《表1 卷积核尺寸对模型的训练、测试影响对比》

  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

《基于全卷积网络的车道区域分割算法》

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

增大卷积核尺寸能够提升感受野，因此，使用大尺寸卷积核的模型能够提高精度，但增加了模型的参数量，导致训练时间更长，同时消耗更多的检测时间，而使用小尺寸卷积核的模型训练时间更短，实时处理能力更强。由表1可知:使用大尺寸卷积核的模型其训练精度、验证精度和测试精度较使用小尺寸卷积核的模型略有提高，但提升幅度较低，其中，使用5×5、7×7尺寸卷积核的模型其测试精度较3×3仅提升了0.13%、0.25%。比较每一轮（epoch）的训练时间，使用3×3尺寸卷积核的模型较5×5、7×7分别缩短了39%、56%。此外，在540×960的分辨率下，使用3×3尺寸卷积核的模型平均处理速率较5×5、7×7分别提升了12.8%和35.9%。