《表3 不同方法的分割性：基于深度学习的目标检测与可行域分割研究》

  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

《基于深度学习的目标检测与可行域分割研究》

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

联合方法采用矩形检验框来检测目标物体，采用虚线围出道路的基础可行使区域。从图7可以看出，联合方法能准确地框选出目标物体，也能够准确分割出道路的基础可行使区域，但分割的边缘还存在一些误差，但总体上联合方法的检测和分割效果较好，不同方法的检测性和分割性分别如表2和表3所示。