《表3 解析方法性能比较:融合视觉风格和标签约束的少数民族服装图像解析》
注:加粗字体表示各列最优结果。
本文使用像素准确度、平均精度、平均召回率和平均F1分数来衡量少数民族服装解析的性能,表3给出了本文方法与Yamaguchi等人(2012)、PaperDoll(Yamaguchi等,2014)、Khurana等人(2018)、M-CNN(Liu等,2015)、ATR (Liang等,2015a)和Co-CNN(Liang等,2015b)等6种方法的性能比较。与Yamaguchi等人(2012)提出的方法相比,本文使用的基础全卷积网络SegNet (Badrinarayanan等,2017)的像素准确度提升了3.8%,说明视觉风格网络可以明显改善少数民族服装图像解析实验结果的像素准确度。通过与Khurana等人(2018)、M-CNN(Liu等,2015)、ATR (Liang等,2015a)和Co-CNN(Liang等,2015b)等深度学习模型进行对比,验证了本文将视觉风格网络和标签约束网络相结合的方法能有效提升解析性能。
图表编号 | XD00216437500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.16 |
作者 | 张茜、刘骊、甘霖、付晓东、刘利军、黄青松 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、云南省计算机技术应用重点实验室、昆明理工大学信息工程与自动化学院、云南省计算机技术应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |