《表1 模型对比实验:一种改进的DSOD目标检测算法》
本文主要针对DSOD的网络结构进行了改进,同时在模型训练时,将IOG惩罚项加入损失函数。将改进的DSOD与其他一些典型的基于回归的目标检测算法在检测精度和检测速度上进行了对比,结果如表1所示,主要考量的指标是mAP(mean Average Precision)和FPS(Frames Per Second)。其中,“*”表示在本文实验环境中的测试结果。从表1的数据可以看出,改进的DSOD模型将检测精度从77.4%提高到了79.0%,其检测精度和检测速度均优于DSSD。特别是在检测速度上,DSSD使用的转置卷积计算量较大,无法达到实时检测,但是改进的DSOD能保持很好的实时性。RFBNet300由于使用了多个RFB网络模块,能提取更全局的特征,在精度上与本文算法大致相同,但其运算复杂度更高,实时性较低。
图表编号 | XD0051415500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 吴建耀、程树英、郑茜颖 |
绘制单位 | 福州大学微纳器件与太阳能电池研究所、福州大学微纳器件与太阳能电池研究所、福州大学微纳器件与太阳能电池研究所 |
更多格式 | 高清、无水印(增值服务) |