《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》

  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

《基于复合卷积神经网络的图像超分辨率算法》

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

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。