《表2 不同方法在VL_CMU_CD数据集上的量化结果》
注:加粗字体为每列最优值。
各检测方法在VL_CMU_CD数据集上的量化和检测结果如表2和图2所示。可知MDFCD模型的F1=0.791,P=0.771,比位于第2的FCN(F1=0.705,P=0.620)分别高12.2%和24.4%,其他3种方法的F1和P值都没有超过0.2。MDFCD模型的特异性、假正例率和误分类百分比也均优于其余4种方法。从图2可以看出,FCN对变化区域的检测效果明显优于其他3种传统变化检测方法。但当场景中的光照变化较大、变化物体细小时,FCN会出现错误的检测结果。如图2第1行,FCN多检测出1片未变化区域。在第3行中,较小的变化区域未被FCN检测到,而MDFCD能够准确检测到相应变化。在变化细节方面,MDFCD同样更胜一筹,如第2、4行变化物体的轮廓细节,FGCD的检测结果较为模糊且不够准确,SuBSENSE和SC_SOBS基本失效。因此在准确度和精确度上,MDFCD均高于对比方法。
图表编号 | XD00141907900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.16 |
作者 | 樊玮、周末、黄睿 |
绘制单位 | 中国民航大学计算机科学与技术学院、中国民航大学计算机科学与技术学院、中国民航大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |