《表3 本文方法与其他方法在KITTI车辆检测数据集上的准确率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《增强小目标特征的航空遥感目标检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为最优实验结果。

实验选取KITTI车辆检测数据集，与吴天舒等人（2018）提出的基于SSD的轻量化模型中使用的数据集保持一致，该数据集的图像中只有车辆目标正样本和背景负样本。将HR+LSTM W48模型与其他主流算法在该数据集上进行对比，由前述实验可知，提出模型在C取值48时检测效果最佳，因此实验取C为48，实验结果如表3所示，其中，LightSSD（吴天舒等，2018）模型是一种轻量化SSD检测网络，DeconvSSD（赵文清等，2019）为反卷积和特征融合结合的SSD检测网络，均使用VGG16作为基础特征提取网络。由表3可知，本文模型的m AP较SSD、LightSSD和DeconvSSD（赵文清等，2019）目标检测模型的m AP分别提升7.3%、1.3%和0.5%，提升效果显著。使用HR W48检测模型较SSD513+HRNet v2 W48模型的m AP仅下降0.1%，可见本文针对HRNet的剪枝不仅减少了模型参数，加快了训练检测速度，而且对m AP影响小。