《表2 算法复杂度对比:基于Retinex-UNet算法的低照度图像增强》
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Retinex-UNet算法的低照度图像增强》
为进一步对比方法性能,对神经网络层数(Network Layers)、程序运行时间(Run Time,以s为单位)、时间复杂度(Time,以阶/计算量表示)、空间复杂度(Space,以Mb为单位)对传统方法与神经网络方法进行比较与分析。其中Run Time分别指程序运行时间和网络训练时间,传统方法时间复杂度用阶表示,而深度学习方法用模型进行一次完整前向传播的网络计算量表示。空间复杂度Space用程序运行时所占用内存大小表示。如表2所示。
图表编号 | XD00188995800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 刘佳敏、何宁、尹晓杰 |
绘制单位 | 北京联合大学智慧城市学院、北京联合大学智慧城市学院、北京联合大学智慧城市学院 |
更多格式 | 高清、无水印(增值服务) |