论文部分内容阅读
为了探究不同的深度卷积神经网络在行人检测任务中的性能差异,基于Faster-R-CNN深度学习算法框架,在Caltech行人数据集上对VGG-Net(Visual Geometry Group Net)和Res-Net(Residual Net)的性能进行了比较。通过改变数据集、改变训练数据的数量、对比训练过程中各阶段的检测率,对两个网络的泛化能力、学习能力以及收敛速度进行了对比。实验结果表明,Res-Net相比于VGG-Net网络具有更快的收敛速度和更强的泛化能力;Res-Net的学习能力更强,随