《表3 基于像素分类的图像语义分割方法性能》

  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

《深度学习发展形势下计算机视觉教学内容革新》

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

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。