《表3 分割结果的评价指标值》
图5展示了几种方法的分割结果图.SSNCut与SNCut的分割效果相当,在前景边界复杂的图像上表现较差,不能很好地识别边界位置.但是,SNCut比SSNCut的优化过程更为简单.在加入MRF项之后,SNCut&MRF能够显著提升边界对齐性.在分割结果图上,SNCut&MRF与Kernel cut效果相当.表3的后几行则可以量化比较三种算法的优劣.由于Kernel cut没有很好的利用监督信息,在评价指标上,劣于SNCut&M RF.表4中,我们列出了图5的几张图片所需的计算时间,以秒为单位.括号(without)是指不包含超像素生成的时间.由于SSNCut与SNCut均以超像素为结点构建无符号(符号)网络,即便调用了特征值函数,其所需时间仍然较少.其中,SNCut所需的时间则更少.SNCut&MRF与Kernel cut均比前两种谱方法的时间长,因为它们迭代地使用了最大流/最小割算法.SNCut&MRF以负边表达半监督信息,在程序中多执行了约束信息的处理代码,因而比Kernel cut的执行时间稍多.
图表编号 | XD00175979500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 刘先锋、石静、陈明、杨予丹 |
绘制单位 | 湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院、湖南师范大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |