《表4 不同检测模型的检测性能比较》

  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

《基于动态焦点损失函数和样本平衡方法的绝缘子缺陷检测方法》

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

本文Faster R-CNN模型（DFL+SBSOM+Faster R-CNN）、通用检测模型（YOLOv3、SSD）、两阶段检测模型（FPN、R-FCN），以及采用DFL函数和OHEM的Faster R-CNN模型（DFL+OHEM+Faster R-CNN）的检测结果对比见表4。从表4可以看出：使用DFL函数和SBSOM进行模型训练后，Faster R-CNN模型对测试集的检测m AP值可达到52.69%，远高于其他通用检测模型，且比进行参数微调后的Faster R-CNN模型的m AP值高出10.12%；绝缘子掉串缺陷、绝缘子破损缺陷、绝缘子脏污缺陷的检测AP值分别提高了0.79%、9.7%、19.87%，对困难样本的学习能力显著增强；本文提出的DFL与SBSOM共同使用的方法检测性能提升更高，其中结合DFL函数和SBSOM的Faster R-CNN模型性能提升最显著，其m AP值比单独使用DFL函数的Faster R-CNN模型的m AP值高8.03%，比结合DFL函数和OHEM的Faster R-CNN模型的m AP值高4.56%，这是由于SBSOM既可以根据类别损失进行样本平衡，又可以根据边界框损失进行样本平衡，而且以损失标准差作为简单样本和困难样本的判别界限更加合理。