《表1 DETRAC数据库上不同算法组合的m AP和运行时间》

  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

《基于改进卷积神经网络的快速车辆检测》

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

实验一表1显示了用控制变量法关闭不同组件评估检测效果的对比实验。给出了整个网络的平均检测质量（mean average precision，m AP）以及不同情况下的m AP。PN+FTN+Concat表示不使用特征图融合（融合第一，三，五层卷积层的特征图，产生超特征）而是只用到了最后一层卷积层输出的特征图。PN+FTN+Hyper表示关闭了两个阶段的特征串联。整个模型的结构是PN+FTN+Hyper+Concat。算法还与Faster RCNN进行比较，Faster RCNN可以看作是使用PN网络产生候选车辆，但直接回归车辆检测的结果，而且没有微调检测框。另外，Faster RCNN也没有涉及使用特征融合和多阶段特征串联。