Mengapa SSD lebih cepat daripada RCNN yang lebih cepat?

2024 Pengarang: Lynn Donovan | [email protected]. Terakhir diubah: 2023-12-15 23:48

SSD menjalankan jaringan konvolusi pada gambar input hanya sekali dan menghitung peta fitur. SSD juga menggunakan kotak jangkar pada berbagai rasio aspek yang mirip dengan Lebih cepat - RCNN dan belajar off-set sebagai gantinya dibandingkan mempelajari kotak. Untuk menangani skala, SSD memprediksi kotak pembatas setelah beberapa lapisan konvolusi.

Juga, apa RCNN yang lebih cepat?

RCNN lebih cepat adalah arsitektur deteksi objek yang dipresentasikan oleh Ross Girshick, Shaoqing Ren, Kaiming He dan Jian Sun pada tahun 2015, dan merupakan salah satu arsitektur deteksi objek terkenal yang menggunakan jaringan saraf konvolusi seperti YOLO (You Look Only Once) dan SSD (Single Shot Detector).

Demikian juga, mengapa RCNN lebih cepat? Alasannya " R-CNN cepat " adalah lebih cepat dibandingkan R-CNN adalah karena Anda tidak perlu memasukkan 2000 proposal wilayah ke jaringan saraf convolutional setiap saat. Sebagai gantinya, operasi konvolusi dilakukan hanya sekali per gambar dan peta fitur dihasilkan darinya.

Jadi, mengapa SSD lebih cepat dari Yolo?

Dibandingkan dengan jendela geser dan metode proposal wilayah, itu jauh lebih banyak lebih cepat dan karena itu cocok untuk deteksi objek waktu nyata. SSD (yang menggunakan peta fitur konvolusi multi-skala di bagian atas jaringan alih-alih lapisan yang terhubung sepenuhnya sebagai YOLO apakah) adalah lebih cepat dan lebih akurat daripada YOLO.

Seberapa cepat Yolo?

Arsitektur tercepat dari YOLO mampu mencapai 45 FPS dan versi yang lebih kecil, Tiny- YOLO , mencapai hingga 244 FPS (Tiny YOLOv2) di komputer dengan GPU.