《表1 分割方法性能比较:自适应边距损失用于车辆外观分割方法》
取所有样本平均值即为mIoU。表1中对比了4种算法的mIoU和显存占用。从表1中可以看到,pspnet、deeplab v2与本文方法在相同输入图像大小的情况下,计算量和显存占用比较相似。Segnet的模型计算量远超其他方法,所以mIoU与本文方法最为接近。本文方法在较小的计算量情况下,获得了最高的mIoU,在同类方法中处于领先地位。同时比较了使用本文提出的自适应边距损失和原始softmax损失的指标,实验显示新的损失函数能够将mIoU提高2.3个百分点。
图表编号 | XD00119684200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.15 |
作者 | 肖尧、秦征骁、李振兴 |
绘制单位 | 上海眼控科技股份有限公司人工智能研究院、公安部交通管理科学研究所道路交通安全公安部重点实验室、上海眼控科技股份有限公司人工智能研究院 |
更多格式 | 高清、无水印(增值服务) |