ทำไม SSD ถึงเร็วกว่า RCNN ที่เร็วกว่า

2024 ผู้เขียน: Lynn Donovan | [email protected]. แก้ไขล่าสุด: 2023-12-15 23:54

SSD เรียกใช้เครือข่าย convolutional บนภาพอินพุตเพียงครั้งเดียวและคำนวณแผนที่คุณลักษณะ SSD ยังใช้กล่องสมอที่อัตราส่วนต่างๆ ที่คล้ายกับ เร็วขึ้น - RCNN และเรียนรู้ออฟเซ็ตมากกว่า กว่า การเรียนรู้กล่อง เพื่อจัดการกับมาตราส่วน SSD ทำนายกรอบล้อมรอบหลังจากชั้นการบิดเบี้ยวหลายชั้น

นอกจากนี้ RCNN ที่เร็วกว่าคืออะไร?

RCNN ที่เร็วขึ้น เป็นสถาปัตยกรรมการตรวจจับวัตถุที่นำเสนอโดย Ross Girshick, Shaoqing Ren, Kaiming He และ Jian Sun ในปี 2015 และเป็นหนึ่งในสถาปัตยกรรมการตรวจจับวัตถุที่มีชื่อเสียงซึ่งใช้โครงข่ายประสาทเทียม เช่น YOLO (You Look Only Once) และ SSD (Single Shot Detector).

ในทำนองเดียวกัน ทำไม RCNN ถึงเร็วกว่า เหตุผล " R-CNN. เร็ว " เป็น เร็วขึ้น กว่า R-CNN เป็นเพราะคุณไม่จำเป็นต้องป้อนข้อเสนอภูมิภาค 2,000 รายการให้กับเครือข่ายประสาทเทียมทุกครั้ง ในทางกลับกัน การดำเนินการบิดจะทำได้เพียงครั้งเดียวต่อภาพ และสร้างแผนผังคุณลักษณะขึ้นมา

เหตุใด SSD จึงเร็วกว่า Yolo

เมื่อเทียบกับหน้าต่างบานเลื่อนและวิธีเสนอภูมิภาคแล้วจะมีมาก เร็วขึ้น จึงเหมาะสำหรับการตรวจจับวัตถุแบบเรียลไทม์ SSD (ที่ใช้แมปคุณสมบัติการบิดแบบหลายสเกลที่ด้านบนของเครือข่ายแทนเลเยอร์ที่เชื่อมต่ออย่างสมบูรณ์เช่น โยโล ทำ) คือ เร็วขึ้น และแม่นยำยิ่งขึ้น กว่า YOLO.

Yolo เร็วแค่ไหน?

สถาปัตยกรรมที่เร็วที่สุดของ โยโล สามารถบรรลุ 45 FPS และเวอร์ชันที่เล็กกว่า Tiny- โยโล บรรลุถึง 244 FPS (Tiny YOLOv2) บนคอมพิวเตอร์ที่มี GPU