Mengapa SSD lebih pantas daripada RCNN yang lebih pantas?

2024 Pengarang: Lynn Donovan | [email protected]. Diubah suai terakhir: 2023-12-15 23:51

SSD menjalankan rangkaian konvolusi pada imej input sekali sahaja dan mengira peta ciri. SSD juga menggunakan kotak sauh pada pelbagai nisbah aspek yang serupa dengan Lebih pantas - RCNN dan belajar off-set agaknya daripada belajar kotak. Untuk mengendalikan skala, SSD meramalkan kotak sempadan selepas berbilang lapisan konvolusi.

Juga, apakah RCNN yang lebih pantas?

RCNN yang lebih pantas ialah seni bina pengesanan objek yang dipersembahkan oleh Ross Girshick, Shaoqing Ren, Kaiming He dan Jian Sun pada 2015, dan merupakan salah satu seni bina pengesanan objek terkenal yang menggunakan rangkaian neural konvolusi seperti YOLO (You Look Only Once) dan SSD (Single Shot Detector).

Begitu juga, mengapa RCNN lebih pantas? Sebabnya R-CNN pantas ” ialah lebih pantas daripada R-CNN adalah kerana anda tidak perlu menyalurkan 2000 cadangan wilayah kepada rangkaian saraf konvolusi setiap kali. Sebaliknya, operasi lilitan dilakukan sekali sahaja bagi setiap imej dan peta ciri dihasilkan daripadanya.

Jadi, mengapa SSD lebih pantas daripada Yolo?

Berbanding dengan tingkap gelongsor dan kaedah cadangan wilayah mereka banyak lebih pantas dan oleh itu sesuai untuk pengesanan objek masa nyata. SSD (yang menggunakan peta ciri konvolusi berbilang skala di bahagian atas rangkaian dan bukannya lapisan bersambung sepenuhnya sebagai YOLO tidak) ialah lebih pantas dan lebih tepat daripada YOLO.

Berapa laju Yolo?

Seni bina terpantas YOLO mampu mencapai 45 FPS dan versi yang lebih kecil, Tiny- YOLO , mencapai sehingga 244 FPS (Tiny YOLOv2) pada komputer dengan GPU.