《表2 计算效率对比:FACR:一种快速且准确的车辆识别器》
在工作站上进行实验,评估FACR与现存方法的计算效率。工作站的配置为单个Titan Xp GPU和Intel(R)Xeon(R)CPU E5-1603 [email protected] GHz。处理Stanford Cars数据集中的所有图像,并计算平均时间,实验结果总结在表2中。可以看出FACR分类速度达10.80 fps,有着更高的计算效率。另外,将FACR中的Feature Net替换为Resnet50,命名为Resnet50+ARC+HCC,其中ARC表示注意力区域定位组件,HCC表示分层分类组件。与FCANs[7]中提取图像特征图的网络架构保持一致,Resnet50+ARC+HCC仍然比现存方法[3,7,15]有更高的计算效率。
图表编号 | XD00217437300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.15 |
作者 | 周龙、王伟强、吕科 |
绘制单位 | 中国科学院大学计算机科学与技术学院、中国科学院大学计算机科学与技术学院、中国科学院大学工程科学学院 |
更多格式 | 高清、无水印(增值服务) |