《表1 各种裂缝检测算法性能对比表》

  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

《复杂背景下交错低秩组卷积混合深度网络的路面裂缝检测算法研究》

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

如表1所示，在本文采集的复杂环境下的裂缝数据集上分别采用6种裂缝检测算法进行实验对比分析，实验结果表明虽然基于深度学习的CNN、NB-CNN和MI-CNN裂缝检测算法相对于传统的图像处理算法性能更优，但是NB-CNN融合了朴素贝叶斯，使得模型更为复杂，在提高精度的同时使得模型参数增多，MI-CNN由于采用不同大小的卷积核在不同的输入端提取不同维度的图像特征，最后进行特征融合，这种方式虽然检测精度有所提高，但是模型参数和计算量比较大。本文的ILGCHDN模型采用交错低秩组卷积的卷积方式，可以起到稀疏的效果，并且模型卷积后进行全局平均池化操作，可以消除冗余，提高模型处理的速率，在提高检测精度的同时可使得模型参数比CNN、NB-CNN和MI-CNN的少，同时处理图像的速率更快，效率更高，从而表明ILGCHDN算法的裂缝检测效果更好。