《表2 3种目标检测算法检测结果》

  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

《基于深度学习的无人机巡检图像销钉故障检测》

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

根据3.1节的实验结果，选取最优模型ResNet-101模型与其他目标检测算法进行对比，实验结果如表2所示。根据表2的实验数据，不可否认传统目标检测算法在检测时间方面比深度学习方法要快。不过检测精度还是无法与Faster R-CNN算法比拟。以ACF+Adaboost算法为例，虽然销钉脱落故障的检测时间仅为Faster R-CNN算法的1/4，但其误检率较高，导致整体精度下降。而Hough+LSD算法的缺陷比较明显，由于销钉在无人机巡检图像中仅占一小部分，像素总数相对较少，同时图像中其他直线段特征存在干扰，以至于检测效果远低于Faster R-CNN算法。