《表2 不同方法下的融合质量对比》

  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SqueezeNet的轻量级图像融合方法》

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

如表3所示，本文方法网络的参数量是ResNet50网络的1/21，模式大小是ResNet50的1/204，运行速度加快了约4倍。由此可以看出，本文方法较ResNet50方法在融合效率上有较大的提升，在融合效果近似的情况下实现了高效的图像融合。SqueezeNet网络在参数量设置、模型尺寸、运行时间都具备了轻量级的神经网络的特性，运行时间满足移动和嵌入式设备上的基础要求。