《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》

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。