《表1 相似度比较：域自适应城市场景语义分割》

  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

《域自适应城市场景语义分割》

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

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。