《表5 MsFFNet网络取不同i、j值时验证集m IOU精度》

  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

《多尺度特征融合工件目标语义分割》

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:加粗字体表示指标最高值。

为验证本文方法的泛化性，对网球场场景的数据集进行实验。网球场场景数据集包含网球、球拍、网球场场内、场地线、网球场场外、球网、人、网球场防护栏和天空等9类目标，9类目标大小不一，实验结果如图7所示。图7（a）（b）为输入的RGB图像和真值图像，图7（c）（d）为单尺度网络预测图像和本文提出的多尺度特征融合方法的网络预测图像。在完全采用本文方法设定的参数条件且未对网络模型针对网球场场景数据集进行参数优化的前提下，测试集的m IOU评价指标精度从54.68%提升到56.43%。图7的预测图像表明，在采用多尺度特征融合后，网络模型对网球场场地类别的预测更为精确，且网络模型对各个目标轮廓的分割能力有所提高。因此，在使用本文提出的多尺度特征融合模块后，网络模型对网球场场景的语义分割能力更好，从而验证了本文方法具有一定的泛化性。