《表1 不同模型在BSDS300数据集上的F值》
本文进一步定量比较了不同模型的性能,表1列出了基于生物启发的各检测模型的比较结果,可以发现,基于多线索的环绕抑制模型(α=3.0)的F值为0.62,若将直接将α值增大到5.0,基于多线索的环绕抑制模型的性能会有大幅的下降,由于对图像过分抑制,虽然抑制了更多的纹理,但轮廓也受到了很大的破坏,导致F值仅仅为0.57.而本文模型相比其他的环绕抑制模型取得了最高的F值,虽然在本文中,α取值为5.0,但本文设计的解抑制项将轮廓保留下来,避免更多的轮廓被抑制,这证明本文设计的解抑制机制是合理且有效的.虽然从表中可以看到本文模型低于一些基于学习的算法,但是基于学习的算法往往需要大量的时间去训练,并且往往依赖于训练数据.除此之外,基于学习的轮廓检测算朝向法也使用了更多的线索和尺度,计算复杂度非常高.例如gPb算法虽然取得了较高的F值,但由于使用了复杂的纹理计算和谱聚类的全局化导致特别耗时.而本文模型基于生物学上的启发,不需要经过长时间的训练,也取得较好的结果,完成了性能和复杂度上较好的平衡.
图表编号 | XD0076806000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 李肖楠 |
绘制单位 | 天津大学数学学院 |
更多格式 | 高清、无水印(增值服务) |