《表1 9种方法的前景检测结果的F测度值比较》
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%.
图表编号 | XD00138591900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 杨敬钰、师雯、李坤、宋晓林、岳焕景 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学计算机科学与技术学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |