《表2 不同模型在Cityscapes各类图片上的表现》

  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

《利用卷积神经网络的自动驾驶场景语义分割》

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

（%，PA/IoU）

在Cityscapes的验证集上，对于不同的语义分割模型，各类的准确率和IoU如表2所示。可以看出，本文模型的IoU和PA分别在19个类别中的16和18个类别超过DeepLab v3+模型。与原有的DeepLab v3+模型相比较，本模型由于引入了注意力模块，同时考虑了分割图中各像素之间的成对关系，将低级别的、局部的特征与高级别的、概念性的特征相融合，取得了比较好的效果。还可以看出，改进注意力模块模型的语义分割颇为有效，这是因为CBAM对图像中重要物体的位置和特征种类有所侧重，学习起来更加快捷和直接，对图像中的非背景物体有了更深的感知，因此能够更好地理解图像中的内容。