《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》

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：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．