《表9 不同检测模型的对比》
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。
图表编号 | XD00227718000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 巫明秀、吴谨、张晨、朱磊 |
绘制单位 | 武汉科技大学信息科学与工程学院、冶金自动化与检测技术教育部工程中心、武汉科技大学信息科学与工程学院、冶金自动化与检测技术教育部工程中心、武汉科技大学信息科学与工程学院、冶金自动化与检测技术教育部工程中心、武汉科技大学信息科学与工程学院、冶金自动化与检测技术教育部工程中心 |
更多格式 | 高清、无水印(增值服务) |