《表4 预分割模型影响不同算法评价指标对比》

  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

《注意力机制和特征融合的自动抠图算法》

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

由表3量化分析可知:针对单实例自然图像数据集，第1阶段采用PSP Net保证三分图一致的前提，本文算法优于SHM算法，SAD降低了11.7%，MSE降低了3.3%.但由表3中AFFM-PSP和表2中AMFF-AMN相比，即使多实例自然图像抠图满足视觉上的要求，针对复杂背景的多实例自然图像抠图评价指标远不如单实例自然图像，其中，三分图的准确性、自然图像复杂背景、背景中的其他同类个体都可能对抠图结果产生影响.由表3中AFFM-PSP和表2中AFFM-GT相比，即使是由GT生成更加准确的三分图作为输入，多实例自然图像的抠图效果也不如单实例自然图像，说明在Alpha抠图模块，多实例自然图像背景中的其他个体对抠图效果产生影响.为了评估预分割模块生成的三分图对Alpha抠图模块的影响，分别采用PSP Net和Mask Scoring R-CNN对单实例自然图像进行实验.选取一幅单实例自然图像对如图10所示可视化结果和表4所示量化指标进行分析.