《表1 实时语义分割模型训练结果》
本文实验运行环境为Ubuntu 16.04,显卡NVIDIA GeForce GTX 1080ti,PyTorch1.13,CUDA10.1。4组对比实验中,模型均无预训练模型,以随机初始化参数开始训练。模型最终在Cityscapes验证集上的mIOU以及对于1024×512图片的推理速度如表1所示。使用混合注意力的模型对于测试集图片的预测分割结果如图4所示。由表1可知,实时语义分割网络引入混合注意力机制后,模型m IOU达到62.01%,比没有添加注意力的网络提高1.82%。并且没有引入过多计算量,FPS只降低了一帧。实验结果基本验证了本文提出方法的有效性。
图表编号 | XD00139877400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.05 |
作者 | 严广宇、刘正熙 |
绘制单位 | 四川大学计算机学院、四川大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |