《表3 不同方法在MS COCO测试集上的实验结果》

  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

《基于深度学习的目标检测框架进展研究》

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

表2基于PASCAL VOC2007数据集对经典的基于深度学习目标检测模型的性能、优缺点进行了对比。可见，从R-CNN到Faster R-CNN，目标检测的准确率和速度不断提升。YOLO、SSD等基于回归的目标检测框架的检测准确率低于Faster R-CNN，但其检测速度有很大提升。总的来讲，不管是R-CNN系列还是YOLO系列，早期的基于深度学习的目标检测框架一直不能同时兼顾高准确率和快速检测，在小目标、遮挡目标和变形目标等特殊目标的检测方面效果也比较差，加之其对硬件条件的要求比较高，使其大部分情况下很难走出实验室。但随着真实场景对目标检测技术的迫切需求，解决真实场景中面临的挑战，是近两年以及未来目标检测框架发展的一个重要方向。表3对近两年出现的部分优秀框架在MS COCO数据集上的测试结果、优缺点和适用场景进行了对比。