《表1 算法的网络性能比较》

  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

《深度卷积神经网络支持下的遥感影像飞机检测》

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

（%）

F1-score是使用调和平均结合召回率和精度的指标。从表1可以看出，本文优化YOLOv3算法的召回率比YOLOv3算法高出11.86%，精确率下降7.27%。此时需要F1-score来进行总体衡量。试验结果表明本文在使用K-means聚类算法和扩张卷积后，其F1-score比YOLOv3高出1.33%，网络中再加入深度可分离卷积后，其F1-score比YOLOv3高出2.99%。由此可见，本文算法明显优于YOLOv3算法。图5是YOLOv3算法和优化YOLOv3算法对2张相同图像的检测结果。从图5中可以看出YOLOv3算法不能准确检测出影像中的小目标，出现较多漏检情况，框上没字是漏检，框上有字是算法检测出的飞机。优化的YOLOv3算法增强了网络高层的感受野，能够准确检测出影像中的小目标，有效地降低漏检率，提高小目标检测的精度。