《表1 9种方法的前景检测结果的F测度值比较》

  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

《基于时空感知级联神经网络的视频前背景分离》

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

为了合理评估所提网络在前景检测方面的有效性，本文从测试数据集中选取了4个有代表性的数据：办公室（office）、林荫道（boulevard）、滑冰（skating）、落叶（fall）．它们分别代表不同类型的复杂场景：运动遮挡、相机抖动、恶劣冰雪天气、动态背景．为了客观准确地评估所提方法的有效性，采用F测度值（F-measure）作为量化指标，F测度值是前景检测方向被广泛使用的一种测量指标，值越大代表效果越好．本文方法与现有8种具有代表性的算法的量化比较结果如表1所示．第1～5行代表传统方法，第6～9行代表深度学习方法．从表中可以看出，本文方法除落叶（fall）场景较DeepBS[16]方法稍低外，在其他3个场景上都达到了最好结果，平均指标超过次优方法DeepBS[16]4.53%.