《表4 不同方法在Videoset上的平均每帧重建时间 (单位:秒) Tab.4 Average reconstruction time per frame (unit:s) for differen
为了分析所提方法的计算复杂度,所有对比算法均运行在相同的机器上,机器的CPU为Intel2.30GHz,内存16 GB,以及GPU为GeForce GTX960M。上述测试视频序列Videoset在不同方法上的平均每帧重建时间如表4所示,一方面,SC[9]的重建速度相对偏慢,以及从各种方法采用CPU重建对比来看,所提方法的重建时间在三种缩放因子s上均明显短于Fus[7],而且相比SRCNN[15],不仅每个缩放因子s下的重建速度更快,而且随着缩放因子s的增大而逐步缩短重建时间。另一方面,随着将来GPU的普及,所提方法采用GPU的重建速度在s=2,3,4分别可达到21帧/秒,45帧/秒,58帧/秒。该结果也表明所提方法在构造精简CNN的合理性:1) 省去预插值过程,直接采取LR输入,并在网络末端增加反卷积层;2) 根据视频多帧输入,采用更小的滤波器尺寸。
图表编号 | XD0020031800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.15 |
作者 | 潘志勇、郁梅、谢登梅、宋洋、蒋刚毅 |
绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、南京大学计算机软件新技术国家重点实验室、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、南京大学计算机软件新技术国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |