《表3 整体测试结果:一种深度学习的非机动车辆目标检测算法》
整体测试阶段,利用3.2节中分配的测试数据集进行模型的整体测试,并与Fast R-CNN(F-mAP)、SPP-Net(S-mAP)、R-CNN(R-mAP)等算法模型检测结果进行对比,测试结果如表3所示。实验发现,evbike类的平均检测效果稍优于bicycle类,bicycle类容易出现漏检现象,某些bicycle样本的检测效果一般。通过分析可知,evbike类相较于bicycle类,其车辆的整体形变比较小,并且车辆特征集中;而bicycle类中,车辆头部形变明显,由于车辆结构设置特别容易被驾驶人遮挡,造成关键特征减少,并且自行车种类很多,在收集样本过程中,对于不同种类、位姿的车辆样本过少,训练过程不够充分。
图表编号 | XD0035464700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.15 |
作者 | 路雪、刘坤、程永翔 |
绘制单位 | 上海海事大学信息工程学院、上海海事大学信息工程学院、上海海事大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |