《表5 语义分割方法在MIT ADE20K测试集上的计算性能比较结果》

  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

《基于逆注意力机制和像素相似度学习的图像分割》

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

为了验证所提算法的复杂度，在MIT ADE20K测试集上，选取了相关度较高的经典算法DeepLabv2-ASPP[12]、Attention[27]、SAN[34]、Dilated Net Cascade[19]、RefineNet[24]、PSPNet[32]，在相同实验条件下进行了分析对比。在实验中，输入图像尺寸统一缩放为576 pixel×576 pixel进行分割，时间效率比较结果见表5，其中“frame/s”代表每秒能分割图像的帧数。由表5可知，在时间效率上，所提算法（5.6 frame/s）与最优算法（6.1 frame/s）接近，其主要原因是所提算法有很好的并行特性，所以虽然增加了网络分支，但总体时间效率并未明显下降。