《表1 不同方法的AP，模型大小及计算耗时对比》

  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

《用于终端设备的遥感图像目标快速检测方法》

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

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。