《表4 各类目标检测模型在COCO数据集与测试视频上的检测效果平均值》

  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

《基于深度学习模型的非法流动摊贩检测方法研究》

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

此外，本文使用COCO数据集[19]与测试视频对各类目标检测模型以及本文提出的FRIRAM检测模型进行检测效果的对比测试与模型的预训练，具体实验结果记录如表4所示.从COCO数据集的预训练结果中可以看出，总体上SSD模型拥有较高的运行速度，视频处理的实时性较强，而Faster R-CNN模型具有较高的目标识别准确率，识别精度较好，而本文提出的FRIRAM目标检测模型实现了最高的mAP准确率，但运行耗时相对较长.在监控视频数据集的目标检测效果对比中，FRIRAM目标检测模型相较于对比算法模型实现了最高的流动摊贩识别准确率，体现了本文提出方法的可行性与优势.