《表3 图像重建时间:基于数据驱动的卷积神经网络电容层析成像图像重建》
重建算法的计算速度决定了其能否直接应用于电容层析成像系统的实时重建,因此需要对重建算法的计算效率进行评估。LBP算法和Landweber算法一般使用CPU根据电容向量逐帧进行计算;CNN算法由于其算法特殊性可用GPU进行加速计算,且可将多个样本同时载入显存以进行批量处理,其耗时远少于对样本数据逐帧进行重建所耗的时间。本文使用的CPU为intel i9-9900K,GPU为NVDIA GeForce RTX 2070,基于Windows平台对三种算法重建耗时进行了分析与比较,如表3所示。可以看出:CNN算法进行逐帧成像计算时,每幅图像的重建时间为10122.3μs,而Landweber算法为15806.1μs,CNN算法相比Landweber算法重建时间略有优势。而CNN算法在批量成像时,每幅图像的重建时间仅为114.5μs,与LBP算法相差无几。这表明,CNN算法可以与Landweber算法一样进行实时在线成像,而在离线分析时,可以达到更快的成像速度。
图表编号 | XD00159085100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 孙先亮、李健、韩哲哲、许传龙 |
绘制单位 | 东南大学能源与环境学院火电机组振动国家工程研究中心、东南大学能源与环境学院火电机组振动国家工程研究中心、东南大学复杂工程系统测量与控制教育部重点实验室、东南大学能源与环境学院火电机组振动国家工程研究中心、东南大学能源与环境学院火电机组振动国家工程研究中心 |
更多格式 | 高清、无水印(增值服务) |