《表5 本文算法与通用目标检测算法的对比Tab.5The comparison between the proposed algorithm and universal target detectio
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》
最后,将本文提出的改进卷积神经网络算法与Faster R-CNN和YOLO v2算法进行对比,结果见表5。Faster R-CNN中采用了ZP网络框架训练的模型检测准确率高于本文的检测算法,但在本文硬件配置下只达到了每秒7帧的检测速度,很难满足复杂场景中实时性要求。同时,将本文的算法与YOLO v2算法进行对比,本文的算法在检测准确率和速度上都有了提升,基本能够满足复杂场景中实际分拣的需求。
图表编号 | XD0030163800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 王乐、周庆华、王磊、蒋华胜、林思宇 |
绘制单位 | 长沙理工大学物理与电子科学学院、长沙理工大学物理与电子科学学院、长沙理工大学物理与电子科学学院、长沙理工大学物理与电子科学学院、长沙理工大学物理与电子科学学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表5 本文算法与通用目标检测算法的对比Tab.5The comparison between the proposed algorithm and universal target detection algorithms”的人还看了
- 表3 本文所提方法与已有方法的检测性能比较Tab.3 Performance comparison between the proposed method and some existing methods