《表2 Kitti测试集上结果对比》

  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

《引入深度补全与实例分割的三维目标检测》

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

在Kitti测试集上的平均检测精度比较结果如表2，同时本文就目前较为先进的F-Point Net方法进行了测试结果图的对比，如图4。由表2可知，在Kitti测试集上，对比DoBEM[15]方法、MV3D方法本文方法均有明显优势。对比MV3D，本文方法在Kitti场景复杂度最高的数据集（Hard）下，就车辆类别仍旧提高了8.99%。对比F-Point Net，本文方法在Kitti场景复杂度较低的数据集（Easy）下，对车辆、行人、骑自行车的人三类目标分别提升了2.17%，1.75%，1.91%的平均检测精度，在Kitti场景复杂度最高的数据集（Hard）下，对车辆、行人、骑自行车的人三类目标亦分别提升了1.92%，1.66%，1.73%的平均检测精度。实验结果表明，本文方法对Kitti数据集中三类目标的平均检测精度均有明显提高。