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！