Γιατί ο SSD είναι ταχύτερος από το ταχύτερο RCNN;
Γιατί ο SSD είναι ταχύτερος από το ταχύτερο RCNN;

Βίντεο: Γιατί ο SSD είναι ταχύτερος από το ταχύτερο RCNN;

Βίντεο: Γιατί ο SSD είναι ταχύτερος από το ταχύτερο RCNN;
Βίντεο: Chia Plotting MadMax + Ramdisk + Optane = My FASTEST MadMax Chia Plots in 2022! 2024, Ενδέχεται
Anonim

SSD εκτελεί ένα συνελικτικό δίκτυο στην εικόνα εισόδου μόνο μία φορά και υπολογίζει έναν χάρτη χαρακτηριστικών. SSD χρησιμοποιεί επίσης κουτιά αγκύρωσης σε διάφορους λόγους διαστάσεων παρόμοιους με Γρηγορότερα - RCNN και μαθαίνει το off-set μάλλον από μαθαίνοντας το κουτί. Για να χειριστείτε τη ζυγαριά, SSD προβλέπει οριοθέτηση πλαισίων μετά από πολλαπλά συνελικτικά επίπεδα.

Επίσης, τι είναι πιο γρήγορο το RCNN;

Ταχύτερο RCNN είναι μια αρχιτεκτονική ανίχνευσης αντικειμένων που παρουσιάστηκε από τους Ross Girshick, Shaoqing Ren, Kaiming He και Jian Sun το 2015 και είναι μια από τις διάσημες αρχιτεκτονικές ανίχνευσης αντικειμένων που χρησιμοποιεί νευρωνικά δίκτυα συνέλιξης όπως το YOLO (You Look Only Once) και το SSD (Single Shot Detector).

Ομοίως, γιατί το RCNN είναι πιο γρήγορο; Ο λόγος " Γρήγορο R-CNN " είναι γρηγορότερα από R-CNN είναι επειδή δεν χρειάζεται να τροφοδοτείτε 2000 προτάσεις περιοχών στο συνελικτικό νευρωνικό δίκτυο κάθε φορά. Αντίθετα, η λειτουργία συνέλιξης γίνεται μόνο μία φορά ανά εικόνα και δημιουργείται ένας χάρτης χαρακτηριστικών από αυτήν.

Λοιπόν, γιατί ο SSD είναι πιο γρήγορος από το Yolo;

Σε σύγκριση με τα συρόμενα παράθυρα και τις μεθόδους πρότασης περιοχής είναι πολλά γρηγορότερα και επομένως κατάλληλο για ανίχνευση αντικειμένων σε πραγματικό χρόνο. SSD (που χρησιμοποιεί συνελικτικούς χάρτες χαρακτηριστικών πολλαπλής κλίμακας στην κορυφή του δικτύου αντί για πλήρως συνδεδεμένα επίπεδα όπως ΖΕΙΣ ΜΟΝΟ ΜΙΑ ΦΟΡΑ κάνει) είναι γρηγορότερα και πιο ακριβείς παρά YOLO.

Πόσο γρήγορο είναι το Yolo;

Η ταχύτερη αρχιτεκτονική του ΖΕΙΣ ΜΟΝΟ ΜΙΑ ΦΟΡΑ είναι σε θέση να επιτύχει 45 FPS και μια μικρότερη έκδοση, Tiny- ΖΕΙΣ ΜΟΝΟ ΜΙΑ ΦΟΡΑ , επιτυγχάνει έως και 244 FPS (Tiny YOLOv2) σε υπολογιστή με GPU.

Συνιστάται: