《表1 不同方法在DUT和CUHK数据集上测试结果的准确率、召回率、F0.3和MAE对比》

  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

《由粗到精的多尺度散焦模糊检测》

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:加粗字体和加下划线字体为每行最优和次优结果，“-”表示数据集中没有实验结果或代码实现。

本文在表1中对比了本文模型与其他方法在DUT（Zhao等，2020）和CUHK（Shi等，2014）两个数据集上得到的准确率、召回率、F0.3和MAE。在DUT数据集上，BTBCRL （Zhao等，2020）、DeFusionNe（Tang等，2019）和本文方法的F0.3和MAE要远优于其他方法。相比于其他方法，只有本文方法的F0.3超过0.87，MAE低于0.1。相比于排第2位的DeFusionNet方法，本文方法的召回率和F0.3分别提高了20.4%、5.4%，MAE降低了38.8%。相比于性能最好的传统方法LBP，本文方法的F0.3和MAE分别改善了16.1%，62.7%。