《表4 各种网络性能的量化分析》

  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DRFP网络的无人机对地车辆目标识别算法》

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

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。