《表3 两种模型对比实验与MobileNet和其他模型相比》

  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SimGAN的交通数据生成方法研究》

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

实验是利用DenseNet和ShuffleNet的结合模型，来将文章核心模型SimGAN生成的仿真数据以及VOC2007开源数据进行多阶段的混合实验。通过此实验，可以提高交通路径规划准确率和降低建模的重量级，利用识别出来路径MAP，来进行对比实验，并且规划出更佳的路线。实验采用的是Python编程语言、深度学习框架TensorFlow和基于并行编程模型和指令集架构的通用计算架构CUDA8.0，通过torch.cuda调用GPU来提升计算速度[8]。本文使用在线质量度量工具moba通过路径规划轻量级别和路径规划MAP得分来评价实验结果。实验中测试了几种模型DenseNet和ShuffleNet以及MobileNet对路径规划的预测，迭代次数为50000次[9]。