《表1 Mask R-CNN与数据层融合模型m AP比较》
![《表1 Mask R-CNN与数据层融合模型m AP比较》](http://bookimg.mtoou.info/tubiao/gif/KZYC202007004_01500.gif)
本系列图表出处文件名:随高清版一同展现
《基于双金字塔特征融合网络的RGB-D多类实例分割》
图2为数据层融合模型在NYUD2数据集上的测试结果.由图2可见,不管是原始深度图还是编码后的深度图,融合Depth信息之后,分割结果的丰富度都得到了提高.在颜色纹理相近但深度存在差异的地方,如场景2中的盥洗台与浴缸,单纯利用RGB信息不足以识别盥洗台的存在,融合Depth信息之后可以检测到其位置.又如场景1中位置分散的玩具,只学习RGB信息的模型无法检测其存在,融合Depth信息之后可以将前景(玩具)与背景(地板)区别开.同时,编码后的深度图相比原始深度图得到的分割结果更丰富,且HHA编码比表面法线编码的位置信息更准确.但是,这种融合方式准确度较差,引入Depth信息后对原本彩色特征的学习带来了干扰,导致很多分类错误的目标,所以最终的mAP反而小于只学习RGB特征的模型,编码后的检测结果更多,识别错误的结果也更多,其m AP比学习原始深度图的值更小.与定性结果相对应,该模型定量的结果见表1.
图表编号 | XD00165472500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 张旭东、王玉婷、范之国、付绪文 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |