《表3 所提算法与其他目标检测算法的实验结果》
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.
图表编号 | XD0091912000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 李策、张栋、杜少毅、朱子重、贾盛泽、曲延云 |
绘制单位 | 兰州理工大学电气工程与信息工程学院、兰州理工大学电气工程与信息工程学院、西安交通大学人工智能与机器人研究所、兰州理工大学电气工程与信息工程学院、兰州理工大学电气工程与信息工程学院、厦门大学信息科学与技术学院计算机科学系 |
更多格式 | 高清、无水印(增值服务) |