《表2 测试集上的鸟巢检测结果对比》

《基于Faster R-CNN的多尺度高压塔鸟巢检测》

从表3的网络模型分解实验结果可以看出，若不同时使用ResNet＿3d卷积层和ResNet＿4f卷积层来提取建议区域，鸟巢平均检测精度将下降6.3%；将SE模块分别嵌入到ResNet＿3卷积层组和ResNet＿4卷积层组中可以将鸟巢平均检测精度提升4.8%；使用改进的ResNet-50网络设计方法能够将鸟巢平均检测精度提升2.7%；最后通过在ResNet＿4f卷积特征层上使用反卷积操作可以将鸟巢平均检测精度提升1.4%.

图表编号	B1666612666
出版时间	2019.10.01
作者	王纪武、罗海保、鱼鹏飞、郑乐乐、胡方全
研究主题	基于Faster R-CNN的多尺度高压塔鸟巢检测
出版单位	北京交通大学机械与电子控制工程学院、北京交通大学机械与电子控制工程学院、北京交通大学机械与电子控制工程学院、北京交通大学机械与电子控制工程学院、北京交通大学机械与电子控制工程学院
更多格式	JPG/无水印（增值服务）
定制格式	Excel格式（增值服务）