《表2 四种网络模型下目标检测效果对比表 (a) bicycle检测效果表》

  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

《一种深度学习的非机动车辆目标检测算法》

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

列表分析部分样本与Fast R-CNN、SPP-Net、R-CNN等网络模型检测效果对比，分别记录每类目标任务两张样本图在四种网络模型下的检测数据，如表2所示。evbike和bicycle在四种网络模型下的检测效果良好。本文使用的提取算法将OP数量控制在少量情况下也取得了不错的检测效果:表2（a）bicycle用本文模型的检测准确率比其他三种模型模型稍有提高，但检测时间大幅缩短，其中比Fast R-CNN模型缩短一半时间；表2（b）evbike样本1的检测准确率本文模型比其他几种模型稍低，但同样检测时间大大减少；而且对于Fast R-CNN算法OP数量对检测时间的影响几乎呈线性关系，OP数量越多，检测时间越长；但OP数量增多并没有提高检测准确率，这说明过多数量的OP包含了冗余特征。