《表2 计算效率对比：FACR:一种快速且准确的车辆识别器》

  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

《FACR:一种快速且准确的车辆识别器》

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

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。