《表1 各算法在BSDS500上的边缘检测评估结果》

  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

《深度学习技术在工件自动检测中的应用》

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

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．