《表2 不同模型在Cityscapes各类图片上的表现》
(%,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。
图表编号 | XD002121500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 王中宇、倪显扬、尚振东 |
绘制单位 | 北京航空航天大学仪器科学与光电工程学院、北京航空航天大学仪器科学与光电工程学院、河南科技大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |