《表1 主流目标检测网络架构性能对比》

  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

《基于卷积神经网络的多目标实时检测》

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

为了解决实时监测的难题，Joseph Redmon等提出了YOLO（you only look once）[7]这一新型神经网络架构。这一架构不再需要生成建议区域，直接采用对整幅图进行模型训练。不仅去除RCNN生成并筛选建议区域的繁琐流程，而且由于获取了全局图像从而显著降低背景预测错误率。另外该网络架构较为容易进行多类目标检测，也提高了检测效率。经过对YOLO算法改进，现已推出YOLOv2[8]，其在检测准确率和检测速度上有了大幅提升。故本文采用YOLOv2神经网络架构作为基础架构针对车辆和行人检测进行模型参数优化。见表1，即目标检测领域主要采用的几类神经网络架构在PASCAL VOC 2007/2012数据集中的mAP（平均准确率）和检测速度对比。