《表4 不同算法整体性能对比》
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
《基于改进ERFNet的无人直升机着舰环境语义分割》
实验中采用传统机器学习方法SVM[22]和FCN-8s、DeepLab、ENet等前沿深度学习网络模型与本文改进网络进行比较,测试结果如表4所示。由表4可以看出,基于深度学习的语义分割网络在本文场景的识别精度上明显高于传统机器学习方法,而且本文方法与其他前沿的深度学习方法相比表现更加出色。在计算速度上,本文方法处理一幅图像大约需要22.4 ms,稍逊于ENet模型的13.6 ms,但与其他方法相比仍具有很大优势,能够满足实时性要求。
图表编号 | XD00130052100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.28 |
作者 | 刘健、张祥甫、于志军、吴中红 |
绘制单位 | 海军工程大学兵器工程学院、海军工程大学兵器工程学院、解放军91206部队教研部、海军工程大学兵器工程学院 |
更多格式 | 高清、无水印(增值服务) |