《表3 算法结果对比:基于深度学习的交通标志检测系统仿真》
训练中选用GTSDB数据集,加入同类型负样本,并作好训练阶段参数设置。首先设置Epoch为300,即模型训练300次,每次选取8张图片作为一个Batch传入网络训练。学习率对模型训练和神经网络优化有重要作用,学习率采用动态方式,迭代次数小于150时,学习率为0.000 01;迭代次数次大于200时,学习率为0.000 000 1。实验置信度超过0.5认为检测正确,低于0.5则认为检测错误。在训练阶段,采用一块Ge Force GTX1080训练模型,共迭代500轮后训练的损失函数和准确率如图5、图6所示。与其它基于深度学习的目标检测算法结果对比如表3所示[17]。训练过程中加入YOLOv2[15]和一阶段代表算法SSD[16]进行实验对比。
图表编号 | XD00224777200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 李克俭、陈少波、李万琦 |
绘制单位 | 中南民族大学电子信息工程学院、中南民族大学电子信息工程学院、中南民族大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |