《表5 不同网络层数进行车辆检测任务的对比》

  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

《基于深度残差学习的自动驾驶道路场景理解》

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

针对车辆检测任务，本文采用不同网络结构以及不同网络层数进行图像特征提取任务用于完成车辆检测任务，如表5以及图6所示。物体检测等级分为容易、中等以及困难三个类别。对以上三种不同类型的物体分别采用VGG网络和不同层数的深度残差网络结构进行训练和评估。对比结果显示，在保证运行速度的同时，本文采用的深度残差网络结构在车辆识别准确率方面有了明显的提高，此三类以中等作为最终评估指标，152层的深度残差网络将识别准确率提高了4.9%。本文猜测因KITTI object数据集当中含有多种类、丰富的数据集作为预训练的数据，使得多层次、大规模的神经网络模型得到了充分的训练，因而识别的准确率得到了大幅的提升。