《表3 不同方法在PCD数据集上的量化结果》

  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

《多尺度深度特征融合的变化检测》

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

注:加粗字体为每列最优值。

各检测方法在PCD数据集上的量化和检测结果如表3和图3所示。从表3可以看出，MDFCD的F1=0.678，FCN的F1=0.664，其他3种方法的F1值都没有超过0.5，相对于FCN，MDFCD的F1提高了2.1%。MDFCD的精度（0.764）比FCN的精度（0.649）高17.7%，特异性（0.941）比FCN（0.857）高9.8%，假正例率和误分类百分比值均低于其他方法，验证了MDFCD优于其他对比方法。从图3也可以看出MDFCD优于其他对比方法，如图3中第3、4行变化的电线杆，FCN的检测结果较为粗糙，忽略了很多轮廓细节，其余方法的检测结果也均不够准确甚至失效，而MDFCD可以很好地捕捉这些细节。