Pourquoi le SSD est plus rapide que le RCNN plus rapide ?
Pourquoi le SSD est plus rapide que le RCNN plus rapide ?

Vidéo: Pourquoi le SSD est plus rapide que le RCNN plus rapide ?

Vidéo: Pourquoi le SSD est plus rapide que le RCNN plus rapide ?
Vidéo: Faster R CNN 2024, Novembre
Anonim

SSD exécute un réseau convolutif sur l'image d'entrée une seule fois et calcule une carte de caractéristiques. SSD utilise également des boîtes d'ancrage à divers rapports d'aspect similaires à Plus rapide - RCNN et apprend le décalage plutôt que apprendre la boîte. Pour gérer l'échelle, SSD prédit les cadres de délimitation après plusieurs couches convolutives.

Aussi, qu'est-ce qu'un RCNN plus rapide ?

RCNN plus rapide est une architecture de détection d'objets présentée par Ross Girshick, Shaoqing Ren, Kaiming He et Jian Sun en 2015, et est l'une des célèbres architectures de détection d'objets qui utilise des réseaux de neurones à convolution comme YOLO (You Look Only Once) et SSD (Single Shot Detector).

De même, pourquoi RCNN est-il plus rapide ? La raison " R-CNN rapide " est plus rapide que R-CNN C'est parce que vous n'avez pas à fournir à chaque fois 2000 propositions de régions au réseau de neurones convolutifs. Au lieu de cela, l'opération de convolution est effectuée une seule fois par image et une carte des caractéristiques est générée à partir de celle-ci.

Justement, pourquoi le SSD est-il plus rapide que Yolo ?

Par rapport aux fenêtres coulissantes et aux méthodes de proposition de région, elles sont beaucoup plus rapide et donc adapté à la détection d'objets en temps réel. SSD (qui utilise des cartes de caractéristiques convolutives à plusieurs échelles au sommet du réseau au lieu de couches entièrement connectées comme YOLO fait) est plus rapide et plus précis que YOLO.

Quelle est la vitesse de Yolo ?

L'architecture la plus rapide de YOLO est capable d'atteindre 45 FPS et une version plus petite, Tiny- YOLO , atteint jusqu'à 244 FPS (Tiny YOLOv2) sur un ordinateur avec un GPU.

Conseillé: