《表2 TitanX上模型检测速度对比》

  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

《基于深度学习的行人和车辆检测》

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

综上，本文算法PVDNet具有一定的稳定性和适应性。PascalVOC和MS COCO数据集中的图像比较偏向于生活化的场景，场景中人和车辆的背景比较复杂，且MS COCO数据集包含了更多小目标，而KITTI数据集是街景数据集，算法在3个数据集上行人和车辆的平均检测精度中都取得了较好效果，说明本文算法具有一定的稳定性。此外，只要对输出层目标数量进行修改，采用新的数据集重新训练，PVDNet也可以完成对其他（如猫、狗、树木等）分类的检测，具备一定的适应性。