《表6 与其他方法对比:一种融合多级特征信息的图像语义分割方法》
表6显示了本文方法与其他五种重要方法的对比结果。FCN-8s[2]网络结构简单,对浅层信息难以有效利用;GCN[6]对深层特征和浅层特征无区别对待,特征融合缺少针对性;Dense ASPP[5]和Deep Lab v3[4]没有结合浅层特征信息。在这些方法中,本文方法取得了更好的表现,相较于文献[7],本文方法的网络层数较少,因此表现略有不足,但结果相差比较小,仅有0.47%,这也足以说明本文方法能得到较好的语义分割结果,验证了本文方法的有效性。图3展示了本文方法的分割结果。从图中可以看出,本文方法可以达到语义分割的目的。
图表编号 | XD00222781700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.05 |
作者 | 冯兴杰、孙少杰 |
绘制单位 | 中国民航大学计算机科学与技术学院、中国民航大学信息网络中心、中国民航大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |