《表2 基于不同卷积网络的Faster R-CNN模型检测结果比较》
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
《基于改进Faster R-CNN的子弹外观缺陷检测》
分别使用基于ZFNet、VGG_CNN_M_1024和VGG16网络的Faster R-CNN模型对子弹缺陷数据集进行检测,检测结果如表2所示。比较3种网络结构可以发现,使用小型的ZFNet训练时,mAP为91.09%,使用中型的VGG_CNN_M_1024训练时,mAP也只达到93.82%,而使用大型的VGG16训练时,mAP能达到96.37%。可以看出,采用较深层网络VGG16的Faster R-CNN模型的检测精度高于其他两种模型。由此得出,卷积神经网络模型越深,检测精度越高。后续实验都将采用VGG16网络进行图像的特征提取。
图表编号 | XD0066615200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 马晓云、朱丹、金晨、佟新鑫 |
绘制单位 | 中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院大学、中国科学院光电信息处理实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院大学、中国科学院光电信息处理实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院光电信息处理实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院光电信 |
更多格式 | 高清、无水印(增值服务) |