【《某行人检测算法项目展示及效果分析案例》1500字】

某行人检测算法项目展示及效果分析案例目录TOC\o"1-3"\h\u18631某行人检测算法项目展示及效果分析案例 1147531.1评估指标 195851.2实验结果分析 21.1评估指标行人检测中评价检测暗绿器的指标通常有评价指标有精确率P（precision）、查全率R（recall）、准确率（Accuracy）、、平均准确率（averageprecision，AP）等，具体定义如下所示：(15)(16)(17)(18)以上几种基础指标中，TP(TruePositives)为预测正确的正样本的数量；FP(FalsePositives)为将负样本预测成正样本的数量；FN(FalseNegatives)为将正样本预测为负样本的数量；TN(TrueNegatives)为将正确预测为负样本的数量。而平均准确率的计算通过召回率和准确率作为横纵坐标绘制额P-R曲线图来反映二者的关系，而对P-R曲线积分得到的结果就是平均准确率，平均准确的表达式如下：(19)式中t为在不同IOU下曲线的召回率，如当t=0.7时，只有IOU≥0.7时才被认为是正样本。本文使用平均准确率均值（meanaverageprecision，mAP）作为评价检测算法的整体性能，能够更加全面的衡量算法的效果，具体公式如下所示：(20)式中N为种类数量。因为采用的标签标注的“person-like”在训练集中掺杂入了类人图片标注，在更改标签比例后，仍然对mAP继续优化，因此主要使用“person”标签训练产生的AP值进行模型评估。1.2实验结果分析实验环境如下：操作系统Window10；深度学习框架tensorflow；通用并行计算架构cuda11.1；深度神经网络GPU加速库cudnn7；显卡GeForceGTX1050，显存4G；显卡驱动nvida；处理器i5-7300HQCPU@2.50GHz，实验采用python搭建yolov3模型进行训练。实验采用VOC的公开数据集，结合一部分网络与校园收集的行人图像，采用VOC格式通过开源标注工具LabelImg对图片数据进行重新标注并解压，生成xml标签文件，导入模型中进行训练。剔除模糊环境背景与过于密集无法识别的图片样本后，导入进行预处理，生成训练集的总样本量为1056张，训练集样本占比为训练集0.9，测试集0.1，classes设定为“person”和“person-like”两类标签，迭代训练后查看模型结果。图1.1人工标注最终采用精确率P、查全率R、准确率AP、、平均准确率mAP对模型训练进行评价。实验设定学习率为0.001，每次训练喂入数据为1，Epochs训练轮次为100轮，按照训练集0.9，测试集0.1的比例进行模型训练。由相关文献[29]可知，在公开数据集基础上训练的FastRCNN算法mAP达到52.32%；使用SSD算法的模型检测mAP为67.63%；单独使用YOLOv3算法的mAP为72.82%。衡量模型整体性能的mAP值可以发现，YOLOv3目标检测模型加入改进的注意力机制后mAP增长了，并记录对比的mAP如图1.2所示。图1.2mAP实验结果对比图引入注意力机制后，模型的mAP值由81.56%下降到了81.53%，查看精确率P值进行比对，发现标签为“person”精确率P由83.36%下降至82.23%，标签为“person-like”的精确率P由82.83%提升至91.20%，数据对比如表1.1所示。这是因为制作的数据集标签单一，只对数据集中的行人做了单独标注，在进行种类平均计算时这一参数不能很好地对于模型的检测能力做出很好的表征，因此最终对比数据采用AP值进行比较。表1.1精确率P实验结果对比表模型比对Person（%）Person-like（%）YOLOv3模型83.3692.00引入注意力机制的YOLOv3模型82.8391.20原始的YOLOv3对模型进行训练后，预测结果正确标签为“person”的AP值为85.53%，而引入注意力机制后提升至85.20%，“person-like”标签由85.63%下降到83.36%，具体结果如图1.3所示。这说明引入注意力机制后，模型对于行人的检测能力有所提升，但对于类人物体的检测产生混淆，模型对于类人物体的判别对真正行人的判别检测产生了一定的影响。图1.3AP实验结果对比图此外，在引入注意力机制后，“person”标签的查全率R由79.24%提升到了80.62%，F1指数由0.81提升到了0.82，均有所提升。指标对比图1.4如下所示。图1.4P、R、F1实验结果对比图最终引入注意力机制后的各个参数指标对比数据如1.2所示。表1.2person标签评估指标对比评估指标YOLOv3模型引入注意力机制的YOLOv3模型对比提升Perception83.36%82.23%-1.13%Recall79.24%80.62%1.38%AP83.53%85.20%1.67%F10.810.820.01mAP81.58%81.