《表3 3种方法在复杂背景数据集上的测试结果》

  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Mask R-CNN的玉米田间杂草检测方法》

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

为测试本文方法在复杂背景下的分割效果，共采集300幅复杂背景下的玉米、杂草图像进行分割测试，同时，与DeepMask、SharpMask方法进行对比，3种方法的分割测试结果如图6所示，图中橙色表示玉米，绿色表示杂草。在IoU为0.5时，3种方法的AP、m AP如表3所示，Mask R-CNN的m AP为0.785，远高于SharpMask、DeepMask的0.684、0.462，3种方法在复杂背景下的单样本耗时分别为285、260、252 ms。由图6、表3可知，3种方法对玉米的分割效果优于杂草，主要原因可能是杂草不够明显。由图6可知，SharpMask方法对玉米及杂草都出现了欠分割现象，DeepMask方法分割效果更差，而本文方法仍有很好的分割效果。因此，本文方法可用于复杂背景下的玉米杂草分割。