《表3 基于像素分类的图像语义分割方法性能》
目前,深度学习理论在图像分割中的应用研究主要集中于图像的语义分割。主要利用CNN、FCN、RNN等基础网络结构提取区域或像素的特征及语义信息,并依靠分类器进行分类。具体地,可以将现有的方法分为基于区域分类的图像语义分割方法及基于像素分类的图像语义分割方法[19]。表2和表3分别列举了2种类型的方法中部分典型网络结构在图像语义分割中的性能表现。表中使用的评价指标m IoU(mean Intersection over Union)是指平均交并比,AR(Average Recall)表示平均召回率。
图表编号 | XD00164197200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 陈川、陈柘、丁双惠 |
绘制单位 | 海军航空大学青岛分校、长安大学信息工程学院、长安大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |