《表9 不同检测模型的对比》

  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

《基于改进YOLOv3的棉花异性纤维检测》

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

将本文算法与另外两种卷积神经网络Faster R-CNN[14]、SSD＿300[15]的检测效果进行了对比，结果如表9所示。由表9可知，Faster R-CNN的检测准确率最高，比本文的MobileNets-YOLOv3算法高2%，但是其帧速率只有6.58f·s-1，同时网络训练时间最长，为116.63h。主要原因是Faster R-CNN用区域生成网络生成2 000多个可能包含目标的候选区域，然后用CNN对每个候选区域进行分类，复杂的框架增加了网络的计算量。Faster R-CNN无法满足实时性的需求。而SSD＿300无论在检测精度和检测速度上都差于本文算法，主要原因是SSD＿300模型低级的特征图存在特征提取不充分问题，检测异纤这种小目标误检率较高。