《表4 LFSD上的算法模型F-measure、MAE对比》
在本节中,对算法模型中的前景、背景、融合及迭代传播四个过程进行定量分析。为了公平性,实验的过程中只改变一个因素。通过图9和表4观察可得:(1)通过前景种子选择(Proposed-Fore)所得的显著图在P-R曲线、F值上效果并不是最优,MAE值也偏高,需要进一步的优化。(2)在背景方面,(Proposed-Back)得到的显著图与前景显著图融合后得到的显著图(Proposed-Fus),在数据上分析可得,F值和P-R曲线得到提高,MAE值也得到降低。实验证明,加入图像边界信息的背景测量方法在去除前景中的干扰信息时对检测前景的显著物体是有提升的。(3)融合后的显著图经过迭代传播(Proposed)在三个评价指标上得到了进一步的提升,效果也更令人满意。
图表编号 | XD00165387800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 赵强、王爱平、刘政怡 |
绘制单位 | 安徽大学计算智能与信号处理教育部重点实验室、安徽大学计算机科学与技术学院、安徽大学信息保障技术协同创新中心、安徽大学计算智能与信号处理教育部重点实验室、安徽大学计算机科学与技术学院、安徽大学信息保障技术协同创新中心、安徽大学计算智能与信号处理教育部重点实验室、安徽大学计算机科学与技术学院、安徽大学信息保障技术协同创新中心 |
更多格式 | 高清、无水印(增值服务) |