《表1 测试集实验结果对比》

  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YOLO和RRN的运动目标跟踪方法》

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。