《表3 多尺度与单一尺度训练结果对比Tab.3The comparison of multi-scale and single-scale training results》

  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

《改进卷积神经网络算法在机械零件实时识别与定位中的应用》

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

在对多尺度训练效果测试实验中，采用了288*288、352*352、416*416、480*480、544*544这5种单一尺寸和多尺度的训练方式。在多尺度的训练过程中，每隔10轮就改变输入尺寸的大小。使用验证集对训练好的模型进行评估，表3给出了验证集中每类物体的检测时间和精度，参数AP（Average Precision）表示平均准确率。可以看到，随着输入图片尺寸的增加，检测时间增加，同时精度提高。对于使用多尺度训练的网络，采用416*416的输入图片进行测试，可以看到相比其它输入图片的尺寸，多尺度训练的图片在检测时间和检测精度上达到了较好的平衡。因此，采用多尺度训练的网络对不同输入尺寸的图片具有较强的鲁棒性。