《表4 VIPER和Cityscapes数据集的实验结果》

  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

《平行视觉的基本框架与关键算法》

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:加粗字体表示最优结果。

为了进一步验证基于平行视觉的实例分割模型的有效性和鲁棒性，本文使用VIPER数据集进行了实验，如表4所示。在检测和分割任务中，基准方法的m AP分别为31.3%和26.5%。使用全局级别对齐的方法分别达到了32.0%和26.9%。当进一步使用局部级别对齐时，本文方法分别达到了33.6%和27.4%。这表明本文方法可以有效地减少不同层次的数据分布差异。当全局级别对齐、局部级别对齐和一致性对齐一起使用时，m AP分别提升至34.1%和29.2%，比基准方法分别提高了2.8%和2.7%。这些结果表明，基于平行视觉的实例分割模型可以显著提升模型的检测和分割性能。