《表2 各数据集检测结果对比》

  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CapsNet的行人检测方法及评价》

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

为验证本文算法的泛化能力，选取Caltech训练集对本文网络和SA-FastRCNN进行训练，测试集分别使用Caltech、INRIA和NICTA测试集.INRIA测试集共包含1 126张正样本和453张负样本；NICTA数据集共包含25 551张正样本和5 207张负样本.本文在各数据集上的检测结果如表2和图5所示.由此可见，本文算法在3个测试集上均获得了更好的检测结果，表明其在行人背景复杂多变的情况下仍能保持良好的泛化能力.