《表4 UU测试集下的算法对比》
本文将该模型结构与其他包括深度学习算法以及非深度学习算法的车道检测做量化比较,如表4所示,将FCN-LC[7],ANN[6],BM[9],DDN[10],FCN+CRF算法通过Max F,AP,PRE,REC,FPR,FNR,runtime这7项指标做量化对比。对比的道路是UU_ROAD测试集下的结果,FCN-LC[7]方法基于FCN网络做出了改进,但是由于单网络性能上的局限使得精度上缺乏优势。DDN[10]虽然精度上略优于本文算法,但多达2s的运行时间(runtime)使得其在实际应用中存在较大的问题。综合实时性与精度来看可以发现本文的算法相对其他的深度学习算法和非深度学习方法具有一定的优势。
图表编号 | XD0031352700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 叶子豪、孙锐、王慧慧 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室、合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室、合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |