《表4 各种网络性能的量化分析》
实验三是DRFP与其他具有代表性的网络之间的性能对比,对比对象为两阶段模型的代表Faster R-CNN、Faster RER-CNN,以及单阶段模型的代表YOLOv3。各种网络性能的量化分析结果如表4所示。通过量化分析表可以看出来:两阶段模型(Faster R-CNN、Faster RER-CNN)虽然在识别准确度(m AP)方面具有一定的优势,但是由于其网络结构复杂、参数量较多,造成识别速度相比于单阶段网络模型较慢;而单阶段模型如YOLOv3具有识别速度快、网络结构简单、参数数量少等特点,但是其识别准确度与面向小目标的两阶段模型相差较大;对比上述两种模型,文中提出的DRFP网络模型,多层稀疏的结构设计使得其参数数量大幅减少、识别速度大幅提高,同时,损失函数和非极大值抑制算法的改进,使其具有与两阶段网络模型相差不多的识别准确度。
图表编号 | XD0089663400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.25 |
作者 | 张钟毓、刘云鹏、王思奎、刘天赐、林智远 |
绘制单位 | 中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院大学、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国科学院大学、中国科学院光电信息处理重点实验室、辽宁省图像理解与视觉计算重点实验室、中国科学院沈阳自动化研究所、中国科学院机器人与智能制造创新研究院、中国 |
更多格式 | 高清、无水印(增值服务) |