《表3 不同算法在VOC 2012数据集上的定量比较》

  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

《基于改进多尺度特征图的目标快速检测与识别算法》

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

进一步地，使用更加具有挑战性的VOC 2012数据库进行实验，并将测试结果上传至官方的评估服务器来获取算法精度。这里，训练数据由VOC2007trainval、2007test和VOC 2012trainval中的21503张图像组成，测试集VOC 2012test包含10991张图像。考虑到训练数据变多，迭代次数亦随之增加，先以10-3的学习率迭代8×104次，再以10-4和10-5的学习率分别迭代4×104和6×104次，其他设置与VOC 2007实验相同。不同算法在VOC 2012数据集上的定量比较如表3所示，表中AP为average precision，相较于传统的SSD300*模型，所提算法的mAP达到76.4%，有效提升了识别精度。与其他算法相比，所提算法的精度均有不同程度的提升，与基于ResNet-101的Faster R-CNN模型相比提升了2.6%，与输入图像分辨率更高的YOLOv2算法相比提升了3%。此外，所提算法的精度也超过了以ResNet-101为基础网络的DSSD321模型，算法的合理性和有效性得到充分证实。