《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》

  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

《一种基于深度学习的车辆识别算法》

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

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。