《表2 与SegNet模型参数量对比》

《表2 与SegNet模型参数量对比》   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
《基于深度学习图像语义分割的机器人环境感知》


  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

如表2所示,在参数量方面,虽然在编码阶段RT-SegNet参数量较SegNet略有增加,但得益于非对称的结构设计,RT-SegNet在解码阶段大幅减少了参数量,解码阶段的参数量比SegNet减少了20倍,总参数量是SegNet模型总参数量的1/2左右。如表3所示,参数量的下降也直接反映在模型的预测时间上,RT-SegNet在1440×1080的分辨率下能达到3.8fps,在960×720的分辨率下能达到了7.7fps,而在480×360分辨率下,RT-SegNet进行一次预测只需要43ms,达到23.3fps,与人眼可视帧率(24fps)相当。