《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》

  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

《一种融合多级特征信息的图像语义分割方法》

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

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。