《表2 实验结果的定量化比较》
如图8,给出了本文提出的方法在4个公开的数据集上对比当前显著性目标检测先进算法的直观展示。前两行是显著性目标与图像背景存在对比差异较小的情况,中间两行是显著图中显著性目标内部组成部分较为复杂的情况,后两行是显著性目标与图像边缘相接触的情况。第一列为测试集中的原图,第二列为手工标记的二元真值图(GT),第三列为本文提出的SOD_MFF算法生成的显著图,后面的9列为当前先进的显著性目标检测深度学习算法和经典的基于传统手工特征的显著性目标检测算法生成的显著图。为了突出本文提出的SOD_MFF对于复杂场景下的显著性目标检测依然非常高效,从4个公开数据集的近11 500张图像中找到了极具代表性的6张图像进行对比展示。前两行图像选取的背景较为复杂且目标区域与其相邻的背景区域对比度较小,仅凭手工特征或浅层特征都无法得到令人满意的结果。中间两行图像选取的图像特点是目标区域由多个对比度较大的小区域组成,如果不借助通过深度语义信息进行判别,很难获得完整的显著性目标。最后两行图像的显著性目标不再集中在图像的中心区域,而都与图像边缘有接触。通过观察发现,可以直观地发现本文提出的SOD_MFF效果优于与其进行对比的其他9种算法。具体定量化的算法性能比较见表2所示。
图表编号 | XD0036947500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 张守东、杨明、胡太 |
绘制单位 | 南京师范大学计算机科学与技术学院、南京师范大学计算机科学与技术学院、南京师范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) |