1,模型对比结果
² 标准Yolo v3模型
² 标准Yolo v3 tiny模型
² 标准Yolo v2 tiny模型
² 用户训练yolo truck模型
详细测试情况见后。结果汇总如下:
测试情景 | 识别结果 | Yolo v3 | Yolo v3 tiny | yolo truck | Yolo v2 tiny |
室外8车 | 识别车辆数 | 7 | 2 | 2 |
|
识别时间(秒) | 25 | 2.5 | 12 |
| |
室内2车,黑车完整,红车半截可见 | 识别车辆数 | 2 | 0 | 0 | 1 |
识别时间(秒) | 25 | 2.5 | 12 | 2.3 | |
室内红车 | 识别车辆数 | 1 | 0 |
| 1 |
识别时间(秒) | 25 | 2.5 |
| 2.3 | |
室内白车 | 识别车辆数 | 1 | 0 |
| 0 |
识别时间(秒) | 25 | 2.5 |
| 2.3 | |
室内白色吉普,带2个部分车身 | 识别车辆数 | 3 | 0 |
| 0 |
识别时间(秒) | 25 |
|
|
|
2,对室外车辆的识别
2.1 V3完整模型
2.2 V3 tiny模型
2.3 卡车定制模型
darknet.exe detector test cfg/obj.data cfg/yolo-obj.cfg YOLO_obj_truck.weights test_vehicle2.jpg
3,对室内车辆的识别
3.1 V3完整模型
识别正确! 识别正确!
识别正确!
3.2 V3 tiny模型
共识别了3张图,1张识别错误,2张未识别到车辆。效果为不能接受。
上图红车未识别出来,黑车识别错误!
上图红车和白车均未识别出来!
3.3 V2 tiny模型
共识别了3张图,2张识别正确,1张未识别到车辆。效果一般。
但白车未能识别。
3.4 卡车定制模型
因为模型是针对卡车训练的,所以没有车子被检测到!