《表1 PASCAL VOC2012实例分割结果比较》

  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

《利用可分离卷积和多级特征的实例分割》

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

我们的方法:与作为对照实验的FCIS*相同，我们使用在ImageNet上预先训练的ResNet-101模型，同时并不在我们的模型上应用在线硬示例挖掘（OHEM）.将模型中的ROIPooling和位置敏感ROIPooling（PSROI Pooling）改为ROIAlign方法，取得了较好的效果，分别为64.8%和51.1%.多层次的特征帮助我们达到了65.9%和52.1%的效果.将Light Head R-CNN的结构改进到我们的模型中之后，结果分别为68.6%和53.8%.最后对网络结构进行了调整，得到了最好的效果，分别为69.1%和54.9%.我们将本文模型与最近的方法进行了比较，结果显示在表1中.这证明了我们模型的有效性和高效性.