《表3 Virtual KITTI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。

在Virtual KITTI和Cityscapes上的实验结果如表3所示。基准模型Mask R-CNN对于汽车进行检测和分割的AP50（Io U为0.5时得到的平均精度）分别为46.9%和42.6%。具有全局级别对齐的方法将AP50分别提高了3.7%和2.4%。当进一步增加局部级别对齐时，本文方法将AP50分别提高了5.3%和3.5%。使用所有对齐模块的方式可以获得最佳的性能，在实例分割任务上的AP50达到47.4%，比平行视觉优化前的基准方法高4.8%。在目标检测任务上，比基准方法提高了7.4%。