《表1 0 单幅图像提取特征的平均时间》
如表10所示是VIPe R数据集上单个图像的平均特征提取时间。可以看出,本文提出的深度区域特征提取方法比一些手工特征提取方法更快,例如基于生物启发特征的协方差描述符(Covariance descriptor based on Bio-inspired features,g Bi Cov)[19];与LOMO手工特征、CNN特征、FFN特征相比,本文提出的DRIF特征的维度是2 048维,具有更低的维度,并且其维度等于卷积层通道数。通过在速度和维度复杂性之间取得平衡,本文提出的区域特征向量提取算法可以实际应用。
图表编号 | XD0090227900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 邓轩、廖开阳、郑元林、袁晖、雷浩、陈兵 |
绘制单位 | 西安理工大学印刷包装与数字媒体学院、西安理工大学印刷包装与数字媒体学院、陕西省印刷包装工程技术研究中心、西安理工大学印刷包装与数字媒体学院、陕西省印刷包装工程重点实验室、西安理工大学印刷包装与数字媒体学院、西安理工大学印刷包装与数字媒体学院、西安理工大学印刷包装与数字媒体学院 |
更多格式 | 高清、无水印(增值服务) |