《表2 平均耗时对比:基于U-Net卷积神经网络的纳米颗粒分割》
另外,对比了所提方法与其他几种网络的耗时,平均耗时对比如表2所示。实验所采用的计算机硬件配置为Intel(R)Core(TM)i7-7700 CPU、NVIDIA GeForce GTX 1080 GPU,操作系统为Ubuntu 16.04,使用基于Python接口的Caffe卷积神经网络框架对600pixel×600pixel的图片进行测试,计算平均耗时。由表2可以看出,所提网络相对于原U-Net网络和PixelNet计算耗时有所降低,计算效率明显提高。
图表编号 | XD0034843100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.25 |
作者 | 张芳、吴玥、肖志涛、耿磊、吴骏、刘彦北、王雯 |
绘制单位 | 天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室、天津工业大学电子与信息工程学院、天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室、天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室、天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室、天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室、天津工业大学电子与信息工程学院、天津市光电检测技术与系统重点实验室 |
更多格式 | 高清、无水印(增值服务) |