《表3 测试结果:基于改进YOLOv2的快速安全帽佩戴情况检测》
然后利用HelmetWear数据集中的测试集对YOLOV2,YOLOV3和MD-YOLOv2模型分别进行测试,结果如表3所示。MD-YOLOv2的检测准确率为87.42%,稍逊色于YOLOv3,但是其检测速度提升显著,比YOLOv2和YOLOv3分别提高了37%和215%,可达148frame/s。另外,YOLOv2和YOLOv3模型的参数量都要200M以上,而本文模型只有17.5M,可以节省90%以上的存储空间。分析其原因,一方面,本文模型采用了轻量化网络结构,使得参数量和计算量上都显著减小,提升了检测速度。另一方面本文模型采用了密集连接网络结构,实现了多层特征的融合以及浅层低语义信息与深层高语义信息的兼顾,在参数量很少的情况下,仍能保证较好的检测效果。
图表编号 | XD0062218700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 方明、孙腾腾、邵桢 |
绘制单位 | 长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |