《表2 各数据集检测结果对比》
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.
图表编号 | XD0081066900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 邵毅明、屈治华、邓天民、朱杰 |
绘制单位 | 重庆交通大学交通运输学院、重庆交通大学交通运输学院、重庆交通大学交通运输学院、重庆交通大学交通运输学院 |
更多格式 | 高清、无水印(增值服务) |