《表6 FP和TP数值评价》
分别对传统YOLOv3算法和YOLOv3-PBUI算法进行训练,得到训练好的模型。使用测试集进行测试,设置Io U阈值为0.5,得到的TP值和FP值如表6所示,图8显示了部分样本的检测结果。由图8可以看到,对于一些非常小的船舶目标,传统YOLOv3算法无法准确检测,而改进后的算法可以准确对这些小船舶目标进行检测,从而增加了算法的TP值,说明改进后的算法可以对更多的正样本准确检测;对于部分船舶目标,虽然传统YOLOv3算法可以检测出该船舶,但是错误识别了该船舶的类型,从而导致了FP值很高,而改进后的YOLOv3-PBUI算法可以同时准确定位船舶位置和识别船舶类型,比传统YOLOv3算法更加鲁棒。同时,因为改进后的YOLOv3-PBUI算法可以更好地学习目标的位置信息,所以可以消除对船舶的错误定位。从表6可以看出,加入预测框不确定性回归之后的YOLOv3-PBUI算法FP值降低了35.42%,而TP值也提高了1.83%,这是改进模型检测精度提高的主要原因。对于海事视频监控来讲,FP值降低说明能够准确识别船舶类型,这对重点关注某一类型的船舶或防止船舶碰撞是有帮助的,而TP值增加说明可以准确检测出更多的船舶数量,降低漏检的可能性,这对统计船舶交通流量和监控船舶行为十分必要。
图表编号 | XD00222674200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.10 |
作者 | 聂鑫、刘文、吴巍 |
绘制单位 | 武汉理工大学航运学院、内河航运技术湖北省重点实验室(武汉理工大学)、武汉理工大学航运学院、内河航运技术湖北省重点实验室(武汉理工大学)、武汉理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |