《表3 本文方法与其他无监督方法的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于物体间支撑语义关系的室内场景彩色深度图像分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于本文对物体块合并的方法是无监督的，因此与其他无监督合并方法进行对比实验，包括亲和性传播（affinity propagation，AP）算法[21]和K–Means算法其中，AP算法不需要指定类别个数，K–Means方法的类别数量由AP算法的结果得到，所使用的特征包括本文所给出的几何体属性以及RGB–D物体识别领域常见的特征[22].以初步分割后的物体块是否应该合并作为正例和负例，表3给出了精确率、召回率和准确率的对比结果.可以看出，虽然本文方法的召回率偏低，但精确率和准确率高于其他两种方法，这是由于聚类方法仅考虑了相似性，而不区分支撑语义关系的强弱因此呈现过度合并的情况.