《表1 不同方法的AP,模型大小及计算耗时对比》
图8所示为分类+DRBox、分类+DRBox(通道分类卷积)、DRBox和DRBox(通道分类卷积)的P-R曲线。其中DRBox指文献[8]的检测网络,DRBox(通道分离卷积)是指轻量化后的检测网络,与前者相比,网络整体规模减小了5倍多。通过曲线可以看出,基于掩模的目标检测,检测性能得到了一定的提升。相比于DRBox,利用轻量化后的检测网络的检测性能有所下降,但在基于掩模的情况下,轻量化后的DRBox的AP提升不少,说明造成轻量化DRBox网络检测性能下降的原因主要集中于远离目标的虚警。从表1可以看出,相比于DRBox,分类+DRBox(通道分离卷积)在模型大小不到原来一半的情况下,计算效率约为原来的6倍,且检测性能还在一定程度上得到了提升,这充分证明了本文算法的有效性及实用性。其中计算效率的数据来自于在Tensorflow:1.3.0框架下对一幅像素数为7 952×22 592的遥感图像进行地测试,,图像包含飞机151架。
图表编号 | XD0061620600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 陈国炜、刘磊、胡文龙 |
绘制单位 | 中国科学院电子学研究所、中国科学院空间信息处理与应用系统技术重点实验室、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |