《表1 不同Dropout比例的m AP的影响》

  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Faster RCNN的行人检测方法》

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

实验使用Caffe框架实现卷积神经网络模型，Faster RCNN中的Dropout、最大迭代值、批处理尺寸和非极大抑制值等参数对平均准确率值（m AP）产生较大的影响，为了得到较好的输出，需要对这些参数进行优化。实验中，最大迭代次数为8 000，区域提议阶段批尺寸为256，检测阶段尺寸为128，经过实验验证其优化结果如表1所示。可知:当Dropout从0.2升至0.6时，m AP的值在增加，当Dropout从0.6升至0.8时，m AP值在减小。当Dropout取0.6时，m AP取得最大值。