《表2 Cityscapes测试集上各模块性能对比》

  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

《基于多层级上下文信息的图像语义分割》

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

%

对比所提方法与基础方法baseline的性能，网络中的超参数设置均与基础方法保持一致。首先采用384pixel×384pixel分辨率进行训练，使用测试集在官网进行测试，结果如表2所示。Cityscapes测试集的实验结果显示，所提方法使网络的语义分割精确度从60.17提高到62.19，提高了约2个百分点。需要说明的是，对于轮廓更加精细的物体类别，如fence(Fen）、traffic sign(Tra）、vegetation(Veg）、person(Per）、rider(Rid）、car(Car）和motorcycle(Mot）等，相比于baseline方法，所提方法的语义分割精确度显著提升，实验证明了所提方法的多层级机制以及提出的用于提取局部性更强上下文信息的DCM模块在语义分割任务中的有效性。