《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》

  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

《自适应边距损失用于车辆外观分割方法》

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

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。