《表3 滑动窗操作以及去噪的分析Tab.3 Analysis of sliding window operation and denoising》
注:√表示对应的操作方法执行.
通过滑动窗不同操作方式选择正负样本有3种方式:在全图上用IoU选取正负样本的操作IMAGEIoU、在隐匿物标记位置邻域内用IoU选取正负样本的操作GTIoU以及在隐匿物标记位置邻域内用IoG选取正负样本的操作GTIoG.本文对这3种操作以及文献[4]中的各向异性去噪法Anisodiff的有效性进行了探讨,用指标Precision、Recall和F-Measure(实际情况中Recall相对于Precision更重要,因此,式 (13)中的β取) 来评价其对隐匿物检测结果的影响,由表3可以看出,通过在隐匿物的标记位置邻域内进行正负样本的选取可提高CNN模型在图像块上的检测精度,同时IoG指标的引入可进一步扩大正负样本间的特征差异.未引入IoG指标时,图像去噪对图像块的检测结果具有一定的提升作用,但是引入IoG指标之后图像去噪对图像块的检测影响较小,这进一步证明了本文提出的IoG指标的有效性.
图表编号 | XD0017552300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.01 |
作者 | 骆尚、吴晓峰、杨明辉、王斌、孙晓玮 |
绘制单位 | 复旦大学电磁波信息科学教育部重点实验室、复旦大学信息学院智慧网络与系统研究中心、复旦大学电磁波信息科学教育部重点实验室、复旦大学信息学院智慧网络与系统研究中心、中国科学院上海微系统与信息技术研究所、复旦大学电磁波信息科学教育部重点实验室、复旦大学信息学院智慧网络与系统研究中心、中国科学院上海微系统与信息技术研究所 |
更多格式 | 高清、无水印(增值服务) |