《表4 各模型在CQ-data数据集上效果对比》

  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

《改进YOLOv3的交通标志检测方法研究》

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

从实验结果看，本文的改进模型与Faster R-CNN所训练的模型在精度上很近似，但在速度上本文改进方法还是具有显著的优势。在兼顾精度的同时相比Faster R-CNN能够达到更快的检测速度，这满足实时交通场景检测的速率要求，与YOLOv2相比，虽然检测速度降低了，但是经过BN层和CONV层的融合已经有了显著的提升。综合来看，本文改进的YOLOv3模型具有一定的泛化性和鲁棒性。