《表2 不同特征融合方法在四种数据集上的MAE和F-score》

  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

《基于深度融合的显著性目标检测算法》

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

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.