Kāpēc SSD ir ātrāks par ātrāku RCNN?

2024 Autors: Lynn Donovan | [email protected]. Pēdējoreiz modificēts: 2023-12-15 23:50

SSD palaiž konvolucionālo tīklu ievades attēlā tikai vienu reizi un aprēķina objektu karti. SSD izmanto arī enkura kastes dažādās proporcijās, kas līdzīgas Ātrāk - RCNN un drīzāk apgūst nobīdi nekā kastes apgūšana. Lai apstrādātu svarus, SSD prognozē ierobežojošos lodziņus pēc vairākiem konvolucionālajiem slāņiem.

Turklāt, kas ir ātrāks RCNN?

Ātrāks RCNN ir objektu noteikšanas arhitektūra, ko 2015. gadā prezentēja Ross Giršiks, Šaokins Rens, Kaimings He un Dzjans Suns, un tā ir viena no slavenākajām objektu noteikšanas arhitektūrām, kas izmanto konvolūcijas neironu tīklus, piemēram, YOLO (Tu izskaties tikai vienreiz) un SSD (Single Shot Detector)..

Tāpat, kāpēc RCNN ir ātrāks? Iemesls Ātrs R-CNN ” ir ātrāk nekā R-CNN Tas ir tāpēc, ka jums nav katru reizi jāievada 2000 reģionu priekšlikumi konvolucionālajā neironu tīklā. Tā vietā konvolūcijas darbība tiek veikta tikai vienu reizi katram attēlam, un no tā tiek ģenerēta objektu karte.

Tātad, kāpēc SSD ir ātrāks par Yolo?

Salīdzinājumā ar bīdāmajiem logiem un reģionu ierosināšanas metodēm tie ir daudz ātrāk un tāpēc piemērots objektu noteikšanai reāllaikā. SSD (kas izmanto vairāku mērogu konvolūcijas objektu kartes tīkla augšdaļā, nevis pilnībā savienotus slāņus kā YOLO dara) ir ātrāk un precīzāk nekā YOLO.

Cik ātrs ir Yolo?

Ātrākā arhitektūra no YOLO spēj sasniegt 45 FPS un mazāku versiju, Tiny- YOLO , sasniedz līdz 244 FPS (Tiny YOLOv2) datorā ar GPU.