《表2 不同算法的F、MAE对比Tab.2 Comparison of F and MAE of different algorithms》

  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

《深度导向显著性检测算法》

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

两个数据集多种算法数据定量对比如图3的PR曲线和表2所示。从数据上仔细对比可得:1) 在PR曲线图上，本文改进的算法相比DRFI、DS、ELD、MDF算法最接近于坐标右上角区域；ECSSD数据集上，90%以上准确率持续最长，在召回率为70~90%时准确率明显高于其他算法；DUT-OMRON数据集上，由于复杂度提高所有算法性能都有所下降，但本文算法70%以上准确率持续范围较长，在召回率为70%~80%时准确率明显高于其他算法。2) 从表2中可知，本文算法的F值相比DRFI、DS、ELD、MDF中值最高的算法，在ECSSD数据集上性能提升了7.5%，在DUT-OMRON数据集上性能提升了11%；本文算法的MAE值相比DRFI、DS、ELD、MDF中值最低的算法，在ECSSD数据集上降低了16%，在DUT-OMRON数据集上降低了15%。F值较高主要体现图像目标检测准确性和完整性，MAE值低则体现目标准确完整性和较少的背景噪声，而本文算法在两个客观评价指标上效果都有大幅度的提升，也从侧面说明了DS、ELD、MDF算法面对复杂场景存在着一定程度的目标局部区域缺失、边缘模糊、背景离散噪声的缺陷，而本文算法则对此缺陷进行了改善，从而在数据指标上有所体现。