《表1 本文算法与其他视觉显著性算法检测精度的比较》
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
《基于浅层卷积特征和双低秩表示的织物疵点检测算法研究》
注:ACC表示总体的精确率;TPR表示所有正样本中分类正确的比例;FPR表示所有负样本中被误分类为正样本的比例;PPV表示分类为正样本中分类正确的比例;NPV表示分类为负样本中分类正确的比例。
从图3可以看出:HOG算法生成的显著图效果较差,检测结果中存在大量噪声;LSR算法虽然能够定位疵点,但是其标定的检测区域远大于实际缺陷区域,检测精度较差;GABOR算法总体上有较好的检测效果,但在疵点与背景相似度较高时容易出现漏检现象,如第三幅和第五幅图像均有疵点被漏检。本文算法生成的显著图不仅能够检测出所有的疵点而且保留了疵点的边缘信息,在效果上明显优于另外3种算法。表1所示为本文算法与其他视觉显著性算法检测精度的比较。
图表编号 | XD00218590300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 江伴、谢晓峰、董燕 |
绘制单位 | 中原工学院电子信息学院、中原工学院科技处、中原工学院电子信息学院 |
更多格式 | 高清、无水印(增值服务) |