《表4 k-means维度聚类与YOLO v2结果对比Tab.4The comparison of k-means dimension clustering and YOLO v2 results》下

  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k-means维度聚类优化候选框效果的测试实验中，使用自采集的标签数据集，对目标边界框的宽和高进行聚类信息，得到2组候选框的尺寸为[4.54，4.43]，[5.27，5.41]。表4给出了YOLO v2和维度聚类方法的结果对比，本文的维度聚类方法在候选框数量较少的情况下保证了较高的平均重叠率（IOU）和检测精度，同时也节省了计算资源。训练时使用的输入图片大小为416*416，批处理尺寸为16。