《表3 所提算法与其他目标检测算法的实验结果》

  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

《一种迁移学习和可变形卷积深度学习的蝴蝶检测算法》

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

所提算法与主流检测算法对比实验，如表3所示，对比算法包括Faster R-CNN[12]、FPN[24]、R-FCN[22]、SSD[25]、YOLO-v3[17]，其中YOLO-v3的预训练网络模型分别为ResNet50和DarkNet.同时，也对比了由可变形卷积模型构建的Faster R-CNN、R-FCN、FPN网络模型的变体，用*表示.在表3中实验数据说明，所提算法优于对比算法.并且，Faster R-CNN、R-FCN、FPN在经过可变形卷积网络重建后，相比原来算法检测性能上都有一定改善.FPN*与所提算法实验结果数值上非常接近，然而，FPN*算法计算复杂度高于本文算法，且耗时较长.从DR值和ACC的值上也说明，所提算法对蝴蝶特征的位置敏感性较好，分类准确性也较高.