《表3 FFPN-Sharp与其他行人检测模型的检测结果（MR)》

  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

《特征金字塔融合的多模态行人检测算法》

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

本节采用锐化融合的方式构建FFPN，与单模态特征金字塔网络（FPN-Vis与FPN-Inf）及目前该数据集上效果较优的模型Fusion RPN[27]进行了比较。表3记录了本文提出的FFPN-Sharp及以上三种模型的检测性能。从表3可以得到，本文提出的FFPN-Sharp在全天场景的测试集上得到了33.65%的MR，与Fusion RPN(35.28%）相比，相对提升率近5%，与单模态（45.22%与44.59%）相比，提升了近10%。FFPN在白天（34.49%对36.77%）和夜间（31.48%对33.91%）的场景中都超过了较先进的方法。这些比较结果表明，本文提出的特征金字塔融合的多模态行人检测模型在各种场景下都能实现更强大的性能，融合多模态信息后检测性能大幅超过了单模态行人检测模型。此外，FFPN-Sharp检测速率为0.58 s/张，相对于检测性能的提升，检测速率的微小下降是可以忽略的。