《表4 特征图切分模块不同切分比率的实验结果》

  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

《DeepLabv3plus-IRCNet:小目标特征提取的图像语义分割》

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

注:加粗字体表示最优结果。

本文模型在特征图分辨率下降为输入图像的1/16时，引入特征图切分模块。但是对1/16分辨率下的特征图进行几等切分需要进行研究，即需要确定n取值为多少时，算法的分割精度最高。本文模型在CamVid测试集上的预测结果使用m IoU指标评定。当切分比率n取不同值时，模型的m IoU指标如表4所示。当n=1时，1/16分辨率的特征图不使用特征图切分模块切分，直接使用特征提取网络进行特征提取，并将提取后的特征图与上采样中相同大小的特征图进行特征融合。由结果可知，当n=2或n=3时，mIoU都比n=1时高，说明引入特征后，模型的分割效果会提高。但n=3时的m IoU比n=2时低，因为n值增大时，特征图被切分成太多小区域，破坏了邻近像素之间的关联性，影响了最终输出分割图的精度。