知识卡片
分割质量的实测对比
六组红外图像(四组单目标、两组多目标)上,ALI-PCNN 与 Otsu、最大熵、常规 PCNN、视觉注意法对比,用区域对比度 Cr 与区域一致性 Ur 定量。
表现差异:Otsu 与最大熵在复杂背景下反复出现过分割与欠分割,指标偏低且起伏大;常规 PCNN 白色区域收敛但仍会检测失败或误检;视觉注意法的效果与显著图强相关,而显著图受对比度阈值支配,阈值不合适时明显退化。 关键区别:ALI-PCNN 的分割效果不依赖阈值选择,因此在复杂背景上更稳定,Cr 与 Ur 达 0.9970 与 0.9972,视觉注意法虽也超过 0.98 但波动更大。 读法提醒:Cr/Ur 是区域级指标,对“目标完整但边缘毛糙”不敏感。它支撑“没有过分割或欠分割”的结论,但不能替代检测率与虚警率。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 基于脉冲耦合神经网络的目标检测方法 · 查看原书依据
其区域对比度和一致性分别高达0.981 6和0.981 8,仅次于ALI-PCNN算法的数值0.997 0和0.997 2
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第4章 基于脉冲耦合神经网络的目标检测方法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt004.html)
- 结论依据:六组红外图像(四组单目标、两组多目标)上,ALI-PCNN 与 Otsu、最大熵、常规 PCNN、视觉注意法对比,用区域对比度 Cr 与区域一致性 Ur 定量。
- 原始内容:其区域对比度和一致性分别高达0.981 6和0.981 8,仅次于ALI-PCNN算法的数值0.997 0和0.997 2