《表2 不同算法模型对比:一种基于深度学习的车辆识别算法》
实验中,选取了5个考察量作为对比,精确度P值、召回率R值、F1值、AP值和速度。从表2中可以看出,YOLOv3算法在training set3(A+B+transfer learning)中精度达到94.56%、召回率73.31%、平均精度75.93%,相对于YOLOv3-tiny分别提升了4%、3%和5%,相对于SSD分别提升了1%、2%和4%。分析原因为Darknet53特征提取网络架构由三种不同特征尺度构成,可以对不同尺寸的目标进行检测,并且增加了残差网络,对特征提取分析有很大的帮助。检测效果如图所示。
图表编号 | XD00218689500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 孙旭升、张林、于正同 |
绘制单位 | 中国航空工业集团公司西安航空计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |