《表7 各网络的分割效率：基于可分离残差模块的精确实时语义分割》

  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

《基于可分离残差模块的精确实时语义分割》

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

与SegNet[27]、ENet[13]、SQ[14]几种常用的实时语义分割网络在分割精度和运算时间上进行了比较。表6为不同网络在Cityscapes数据集2048pixel×1024pixel分辨率图像上每一类的分割精度。表7为不同网络针对不同分辨率输入的运算时间和帧率。从表7可看出，SRNet在输入为2048pixel×1024pixel超大分辨率图像时能保持12 frame/s的处理速度。SRNet处理一张2048pixel×1024 pixel分辨率图像的时间为88ms，慢于ENet和SQ，但仍可基本满足算法实时性。在分割精度方面，SRNet能达到67.86%的分割精度，比ENet高9.58%，比SQ高8.02%。综合分析，所提基于可分离残差模块的SRNet可以在分割速度和分割精度上都达到较好的结果，可以实现精确高效的语义分割。