《表1 算法特征提取与闭环查询时间》

  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

《融合Gist特征与卷积自编码的闭环检测算法》

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

根据文献[21]的卷积神经网络时间复杂度公式，对三类卷积神经网络方法特征提取阶段进行时间复杂度分析。其中，d为卷积层总层数；nl为第l层输出特征图数量；fl为第l层卷积核边长；Ml为输出特征图边长。基于深度学习的闭环检测算法Places-CNN、CALC，及本文算法时间复杂度如表1所示。受益于轻量化卷积自编码网络结构，本文模型相对于Places-CNN的闭环检测方法特征提取时间和复杂度大幅度减小；由于编码器层数相较于CALC算法加深，本文算法的网络整体特征提取时间和复杂度略高于CALC算法。