《表4 UU测试集下的算法对比》

  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

《基于全卷积神经网络与条件随机场的车道识别方法》

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

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。