《表6 各网络的分割精度:基于可分离残差模块的精确实时语义分割》
%
与SegNet[27]、ENet[13]、SQ[14]几种常用的实时语义分割网络在分割精度和运算时间上进行了比较。表6为不同网络在Cityscapes数据集2048pixel×1024pixel分辨率图像上每一类的分割精度。表7为不同网络针对不同分辨率输入的运算时间和帧率。从表7可看出,SRNet在输入为2048pixel×1024pixel超大分辨率图像时能保持12 frame/s的处理速度。SRNet处理一张2048pixel×1024 pixel分辨率图像的时间为88ms,慢于ENet和SQ,但仍可基本满足算法实时性。在分割精度方面,SRNet能达到67.86%的分割精度,比ENet高9.58%,比SQ高8.02%。综合分析,所提基于可分离残差模块的SRNet可以在分割速度和分割精度上都达到较好的结果,可以实现精确高效的语义分割。
图表编号 | XD0034836400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.10 |
作者 | 路文超、庞彦伟、何宇清、王建 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |