《表1 各算法在BSDS500上的边缘检测评估结果》
本文在BSDS500标准数据集上进行网络测试实验,采用经典的精确率-召回率(P-R)评估框架,其中精确率衡量预测为边缘的样本中是真边缘的比例,召回率衡量预测为边缘的样本中的真边缘占所有真边缘的比例,则是对二者的综合评估,用于综合反映整体的指标,其中p是精确率,r是召回率.边缘检测模型的检测指标主要包括ODS(Optimal Dataset Scale)和OIS(Optimal Image Scale),其中ODS是选取一个固定的p值应用于所有图片,使得整个数据集上的F值最大,OIS是在每一张图像上选取使得该图片F值最大的p值.本文对比了主流的边缘检测算法RCF[2]、HED[3]、DeepContour[8]、MCG[9]、SE[10]、NCut[11]和Canny[12],实验结果如表1和图9所示.
图表编号 | XD00141258400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 刘信君、林浒、郑飂默、王诗宇 |
绘制单位 | 中国科学院大学、中国科学院沈阳计算技术研究所、中国科学院沈阳计算技术研究所、沈阳高精数控智能技术股份有限公司、中国科学院沈阳计算技术研究所、沈阳高精数控智能技术股份有限公司、中国科学院大学、中国科学院沈阳计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |