《表3 两种模型对比实验与MobileNet和其他模型相比》
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]。
图表编号 | XD00140372500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 崔方明、时宏伟 |
绘制单位 | 四川大学计算机学院、四川大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |