《表2 不同特征融合方法在四种数据集上的MAE和F-score》
为了更客观地评价各种算法的性能,表2统计出了各种算法在ASD、PASCALS、ECSSD、HKU-IS四种数据集上生成显著图的MAE和F-score指标.在ASD和PASCALS数据集上,本文提出的算法要明显优于其它算法,即在使用相同阈值分割显著图的情况下,我们的算法具有最高的准确率,得到的分割目标与真实标注最为相近.在PASCALS数据集上,我们算法的F-score比ELD算法高了0.131.在ECSSD和HKU-IS数据集上,我们的算法也明显优于其它深度学习方法.由于ELD使用了低层人工特征与高层深度语义特征的融合,因此其能够获得比其它显著性检测算法更加优秀的检测性能.特别需要指出的是MDF算法在HKU-IS数据上获得了很高的F-score,这是因为MDF算法在训练时使用了HKU-IS数据集中3000张图像作为训练样本.
图表编号 | XD0090224100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 张冬明、靳国庆、代锋、袁庆升、包秀国、张勇东 |
绘制单位 | 国家计算机网络应急处理协调中心、中国科学院计算技术研究所智能信息处理实验室、中国科学院计算技术研究所智能信息处理实验室、国家计算机网络应急处理协调中心、国家计算机网络应急处理协调中心、中国科学技术大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |