《表1 mAP变化:YOLO9000模型的车辆多目标视频检测系统研究》
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
《YOLO9000模型的车辆多目标视频检测系统研究》
文献[4]中,Szegedy等人采用深度学习的方法在VOC 2007数据集测试结果中使mAP达到了30%;R-CNN[5]则将传统机器学习和深度学习结合起来,有效的将mAP提升至48%;不久Uijlings等人通过修改网络模型的结构将mAP提高到66%。随后通过进一步优化目标检测网络模型结构,出现了SPP-Net[6]、Fast R-CNN[7]、Faster R-CNN[8]、YOLO[9]等,mAP变化如表1所示。YO-LO与传统依赖先验知识的特征提取算法不同,它是采用深度卷积神经网络的全新实时目标检测方法,对几何变换、形变和光照具有一定程度的不变性,进一步的将mAP提升到了78.6%,改善了车辆外观多变带来的影响,使检测系统具有更高的灵活性和泛化能力。
图表编号 | XD0090828200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 李鹏飞、刘瑶、李珣、张宏伟 |
绘制单位 | 西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院、西安工程大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |