《表3 Gupta19类实例分割结果对比》

  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

《基于双金字塔特征融合网络的RGB-D多类实例分割》

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

之前的实验主要围绕网络模型与Depth信息进行讨论，通过大量自对比证明了双金字塔特征融合网络模型在RGB-D实例分割任务中的有效性.为了证明本文模型的优越性，按照Gupta等[28]进行19类检测器的单实例分割的要求进行同样的实验，并计算对应的边界框平均精度APb与区域平均精度APr，区域平均检测精度相对于边界框精度，进一步计算像素的重叠区域，所以更能准确衡量实例分割的结果.表3显示了19类APb与APr的分割结果，从结果可以看出，本文模型在19类分割任务中也获得了较好的分割结果，平均APb结果为46.2%，相较于Gupta等[28]的模型提高了8.9%，平均APr结果为41.4%，提高了9%，表明了本文模型在指定类的单实例分割任务中也十分有效.