《表1 不同算法在VOC2007和VOC2012数据集上的测试结果》

  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

《基于注意力掩模融合的目标检测算法》

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

如表1所示，将本文的算法与其他主流的目标检测算法进行对比。对于320×320的输入，mAP达到了81%，与RefineDet 320相比提高了1%，与SSD相比提高了6.7%。由于本文测试所使用的GPU不同于RefineDet，故将RefineDet中在VOC07+12数据集上训练的320×320的模型在1080Ti上进行测试，观察得到，本文算法的速度同其相比降低了18.4%。在速度和精度的均衡下，本文算法仍能取得较好的效果。对于512×512的输入，mAP为82.2%，比RefineDet的精度提高了0.4%，这也证明了本文算法的有效性。同精度更高的基于区域的目标检测方法进行比较，可以看到，本文算法在尺寸小于CoupleNet的情况下，mAP几乎能够达到CoupleNet的效果。