《表1 相似度比较:域自适应城市场景语义分割》
注:加粗字体表示每类图像的相似度最优值。
为进一步验证新的模型转换方法的有效性,进行定量分析,实验结果如表1所示。表1中Sa-c表示源数据集GTA5与真实数据集Cityscapes的相似性度量、Sb-c表示采用SG-GAN方法生成的新数据集与真实数据集Cityscapes的相似性度量,即Sa-c、Sb-c分别表示图2(a)与图2(c)、图2(b)与图2(c)相似度度量。根据表1可以发现对于图像Ⅰ,本文合成数据集SG-GTA5与真实数据集Cityscapes之间的SSIM,比源数据集GAT5与Cityscapes之间的SSIM提高了0.257 2,图像Ⅱ和Ⅲ的SSIM则分别提高了0.432 6、0.384 9。而在颜色直方图上,对于各图像Ⅰ、Ⅱ和Ⅲ,本文合成数据集SG-GTA5与真实数据集Cityscapes之间的颜色直方图相比较于GTA5与Cityscapes之间的颜色直方图也分别提高了0.271 7、0.357 9、0.498 4。因此定量实验结果进一步表明,本文得到的新数据集SG-GTA5与真实场景Cityscapes之间的相似度要大于源数据集GTA5与Cityscapes的相似度。
图表编号 | XD00179358200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 张桂梅、潘国峰、刘建新 |
绘制单位 | 南昌航空大学计算机视觉研究所、南昌航空大学计算机视觉研究所、西华大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |