《表5 训练时间比较:基于复合卷积神经网络的图像超分辨率算法》
s
文献[19]提出SRCNN网络的复杂度为O{f12+n1f22n2+n2f23},同理计算复合SRCNN网络作的复杂度。SRCNN网络迭代一次计算复杂为8 032,而复合SRCNN的迭代一次计算复杂度为24 125。复合SRCNN网络的复杂度远高于SRCNN网络,这使得复合SRCNN在参数计算时要消耗更多计算时间,但通过实验原有网络需要5×105次迭代才能达到训练效果,而本文算法8×104次迭代就能实现。本文算法虽然在复杂度方面较高,但在网络迭代次数方面远低于SRCNN算法,在保证了超分辨率效果的同时,训练时间也大幅度减少。总耗时和平均耗时如表5所示。
图表编号 | XD0067441200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 吴嘉昕、胡晓辉、张明 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |