《表2 两种方法Cityscapes各类别分割精度对比》

  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

《一种改进的Focal Loss在语义分割上的应用》

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2是模型在Cityscapes测试集19个类上的表现结果。这里只列出了使用交叉熵和λ=2，γ=0.5时Focal Loss的结果。可以看出，本文提出的Focal Loss能够有效提升训练数据中的稀少类别比如卡车和信号灯的分割精度；而常出现的目标比如道路、天空以及汽车则提升较少。