A mutual GrabCut method to solve co-segmentation

EURASIP Journal on Image and Video Processing

Table 1 The comparison results compared with the existing methods in terms of the error rate

Name	Method	Method	Method	Our results
	of [10]	of [15]	of [21]
amira	0.0970	0.2633	0.1562	0.1289
banan	0.0645	0.1419	0.0327	0.0295
cdcartoona	0.1684	0.0351	0.0671	0.0186
cdbeabeara	0.2722	0.2634	0.0462	0.0207
cdboara	0.0945	0.0877	0.0391	0.0189
cdboata	0.1424	0.1727	0.1761	0.0398
cdcora	0.2934	0.3749	0.3249	0.2253
cddoga	0.1868	0.5232	0.1630	0.2000
cdleopardb	0.2913	0.1696	0.0589	0.0861
cdflamingoa	0.2510	0.1839	0.0501	0.0159
cdpandad	0.5769	0.1322	0.0202	0.0269
cdpersona	0.3882	0.2899	0.3578	0.1958
duck	0.0885	0.0634	0.0766	0.0400
horse	0.0985	0.3317	0.0427	0.0314
kim	0.2115	0.1418	0.0396	0.0432
Ilama	0.2115	0.2005	0.0430	0.1126
mcow	0.2030	0.1319	0.0159	0.0243
pvoccarb	0.5565	0.2323	0.0688	0.0595
pvochorseb	0.2903	0.1074	0.0561	0.0651
pvoccata	0.2184	0.1033	0.0743	0.0137
pvocmotoa	0.5180	0.2718	0.0184	0.0498
pvocsheepb	0.4949	0.3688	0.5120	0.3354
pvoctrain	0.1660	0.3507	0.1237	0.0575
rimg008a	0.4584	0.1339	0.0269	0.0077
rimg010a	0.2721	0.0929	0.0225	0.1047
rimg014a	0.1770	0.2859	0.0199	0.0232
rimg017a	0.3957	0.0471	0.6477	0.2988
rimg023a	0.0523	0.0113	0.0047	0.0036
rimg029a	0.4178	0.0945	0.2015	0.0104
stone	0.0093	0.1612	0.0146	0.0069