《表4 混合车型的经典AlexNet和改进AlexNet算法的比较》

  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

《基于卷积神经网络的车辆尾部放大号牌检测算法研究》

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

在算法效果上，本文从检测速率、召回率和准确率方面进行分析。在检测速率方面，经典AlexNet每秒检测4.6张图片，改进的AlexNet可检测每秒6.3张。改进的AlexNet网络结构比经典AlexNet的少1个卷积层和一个全连接层，因此改进的AlexNet检测速率较快。在召回率方面，在二分类的应用场景下，由于两者的网络结构和采用的技术类似，两者的召回率基本一样，改进的AlexNet删减了LRN层，得到的召回率相对略高。在准确率方面，改进的AlexNet网络，车辆的二分类场景中，选用2层5*5的卷积核和2层3*3的卷积核更为合适，并且每个卷积层中具有池化层，算法的特征获取更好，且算法的泛化能力更强，因此改进的AlexNet检测准确率更高。