《表1 模型对比实验：一种改进的DSOD目标检测算法》

  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

《一种改进的DSOD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

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。