《表2 改进Fast-SCNN网络与流行网络性能比较》
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
《基于改进Fast-SCNN的塑瓶气泡缺陷实时分割算法》
比较改进Fast-SCNN与典型的深度卷积神经网络性能差异,在相同的数据下,分别对各网络的训练参数进行优化、推理后得到如表2所示评估结果,其中FCN-8s为FCN的子模型结构。在像素精度上四个网络均超过99.5%,其间相差不超过0.2个百分点,但在MIoU分割评价指标上改进Fast-SCNN超过U?Net,并在检测时间上低于U?Net,降低了7.5 ms,可以较好地满足工业检测的需求。
图表编号 | XD00163196000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.10 |
作者 | 付磊、任德均、吴华运、郜明、邱吕、胡云起 |
绘制单位 | 四川大学机械工程学院、四川大学机械工程学院、四川大学机械工程学院、四川大学机械工程学院、四川大学机械工程学院、四川大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |