《表2 不同特征描述子提取特征的时间》
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
《基于卷积神经网络的RGB-D SLAM回环检测研究》
从计算效率也即实时性上来衡量算法的性能是评估算法的另一个重要考虑因素,本文比较了基于VGG-19卷积神经网络的回环检测与其他两种人工设计特征(BOVW,GIST)的回环检测所需要的时间,得到对比时间表如表2所示。其中实验的时间是800张图像的平均值,其中深度模型只包含特征提取时间,不包含输入图像加载和网络模型搭建的时间。从表2中可以看出在CPU上时基于VGG-19模型的特征提取所需时间少于BOVW和GIST提取特征所需时间,每幅图像只需要0.249秒,比这两种人工特征快约2~7倍。若在GPU上提取图像特征,则每幅图像只需要0.082秒,比人工提取特征的效率更高,因此具有很好的实时性。实验结果表明本文中基于VGG-19卷积神经网络的方法比传统人工提取特征方法更加高效,具有效率更高性能更好的优点。
图表编号 | XD00112581800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.20 |
作者 | 李若楠、许钢、郭芮、邢广鑫、江娟娟 |
绘制单位 | 安徽工程大学检测技术与节能装置安徽省重点实验室、安徽工程大学检测技术与节能装置安徽省重点实验室、安徽工程大学检测技术与节能装置安徽省重点实验室、安徽工程大学检测技术与节能装置安徽省重点实验室、安徽工程大学检测技术与节能装置安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |