《表1 测试集实验结果对比》
表1给出了采用融合训练数据集(Imagenet Video+行车视频数据集)训练的YOLO+RRN模型与其它3种跟踪模型在VOT 2016数据集上的评价指标对比。由实验结果可知,提出的YOLO+RRN模型在VOT 2016数据集上的跟踪准确率均优于其它3种跟踪模型,OPE指标由RRN模型的0.61提升到了YOLO+RRN模型的0.68。不过由于提出的模型加入了YOLO网络负责目标检测过程,相对的模型处理速度也有所下降。在VOT 2016数据集上的测试速度由RRN模型的109fps降到了YOLO+RRN模型的77fps,不过仍然可以满足汽车高级驾驶辅助系统在行驶环境下对目标跟踪的实时性需求。
图表编号 | XD0074406100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 高军、朱宏辉、Yi Lu Murphey |
绘制单位 | 武汉理工大学物流工程学院、密歇根大学迪尔伯恩校区电气与计算机工程学院、武汉理工大学物流工程学院、密歇根大学迪尔伯恩校区电气与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |