《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

  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

《采用精简卷积神经网络的快速视频超分辨率重建》

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

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。