《表3 各种算法精度比较》

  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

《基于深度学习的电网监控视频中工作人员检测与识别》

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

%

为了验证本文方法的有效性，将所提出的方法与CCF、ACF、GT等检测方法及DSIFT+Euclidean、DSIFT+KISSME、BOW+Cosine、LOMO+XQDA、PS等识别方法进行比较，各种方法均使用默认的参数设置，比较结果如表3、4所示．表3分别给出了各种算法的平均精度均值和top-1精度，其中top-1精度为预测结果中概率最大的分类结果的正确率．由表3可以看出，相比于传统方法，本方法能获得更高的检测和识别精度．同时，由于光照条件和工作人员被遮挡时均会对检测和识别的精度产生影响，本文也比较了在低光照及有遮挡时各种方法的检测和识别精度，结果如表4所示．从表4可以看出，在遮挡和低光照情况下，所提出的方法均能取得更好的检测和识别结果．