《表1 网络性能比较:应用深度卷积神经网络的机场及机场内飞机目标识别技术》
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
《应用深度卷积神经网络的机场及机场内飞机目标识别技术》
表1为在阈值为0.2时各网络在测试集上的精确率、召回率和预测时间。从表1可以看出:对tiny-yolo网络结构的精简、网络输入图像尺度的减小会带来精确率和召回率的下降,但CPU的识别预测时间大约缩短为原来的一半。本文设计的网络可以有效减小卷积层之间的卷积计算量,有利于加快网络的计算速度、缩短预测时间,适合在一些无GPU的平台设备上运行。同时,采用该方式在训练计算过程中可以大大减少内存的消耗。图6给出本文设计的网络对测试集部分图像的识别效果。
图表编号 | XD007367200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.15 |
作者 | 李耀龙、张永科、罗镇宝 |
绘制单位 | 西南技术物理研究所、西南技术物理研究所、西南技术物理研究所 |
更多格式 | 高清、无水印(增值服务) |