《表2 ImageNet-Segmentation数据集上的定量结果(指标:Jaccard得分)》
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
《基于深度卷积神经网络的前景对象图像分割模型FOSegNet》
注:图像数量为4 276.
(2)ImageNet-Segmentation.使用ImageNet-Segmentation数据集来评估FOSegNet模型的泛化能力,该数据集由带有真实标记的445类别的4 276张图像组成.之前的最佳结果来自分割传播模型[16],发现DeepSaliency[11]和DeepMask[25]进一步改善了ImageNet-Segmentation.特别是,像FOSegNet模型一样,DeepSaliency也是通过PASCAL数据集进行训练,而DeepMask是通过1个比PASCAL数据集更大的COCO[27]数据集进行训练.引入扩张卷积以及SFM,使得FOSegNet模型能够多尺度聚合图像上下文信息,显著提高了前景对象模型的分割表现(见表2).这表明FOSegNet模型不仅具有超强的泛化能力,概括了数千个对象类别,而且产生了高质量的对象分割.
图表编号 | XD00186173800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 吴彬、杨戈、陈海洋 |
绘制单位 | 北京师范大学珠海分校、北京师范大学研究生院、北京师范大学珠海分校、北京师范大学珠海分校、北京师范大学研究生院 |
更多格式 | 高清、无水印(增值服务) |