《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》
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.
图表编号 | XD0079876800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 陈晋音、王桢、郑海斌 |
绘制单位 | 浙江工业大学信息工程学院、浙江工业大学信息工程学院、浙江工业大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |