Google深度学习目标检测API模型比较
来源:互联网 发布:游戏美工设计师 编辑:程序博客网 时间:2024/06/03 17:05
谷歌最新推出了一个目标检测API,其中利用经典的目标检测模型Faster-rcnn,SSD以及RFCN,并且选用了不同的CNN如resnet101,resnet-v2,mobilenet以及inceptionv2,训练了5个目标检测的模型。github地址如下。
Google目标检测API
为了在自己的项目中应用目标检测,实时性以及准确性的要求比较高,虽然官方给出了一个比较的列表如下:
但是我仍想做做实验看看实际效果,因此按照github步骤,实现了这五个模型,并利用自带的前两张图片,自己又重新从网上任意选取了3张大小不同的图片来做测试。效果如下
精确度测试
ssd_mobilenet_v1
ssd_inception_v2
frcn_resnet101
faster_rcnn_resnet101
faster_rcnn_resnet_v2
可以从上面看到,准确度方面和官方描述一致,但能很直接的感受到faster-rcnn能检测出的目标多余ssd,而frcn却是一种不错的选择,比较完下面的运行时间你就明白了!
运行时间测试
ssd_mobilenet_v1
第一个数值包括了启动模型时间,因此耗时比较长,可以看到大约为6.5秒,而单幅图片平均处理时间也为大约1.92秒
ssd_inception_v2
启动时间加第一张图约为9.4秒,每张图测试平均运行时间大约为2.662秒
frcn_resnet101
启动时间加第一张图约为44.247秒,明显高于ssd模型,每张图测试平均运行时间大约为28.048秒,明显高于ssd模型
faster_rcnn_resnet101
启动时间加第一张图约为79.662秒,明显高于ssd模型,每张图测试平均运行时间大约为63.467秒,大约为ssd模型的2倍,为ssd模型的31倍
faster_rcnn_resnet_v2
启动时间加第一张图约为208.639秒,明显高于ssd模型,每张图测试平均运行时间大约为181.51秒,大约为ssd模型的6倍,为ssd模型的90倍
总结
若要降深度学习的方法应用到工业检测上,则必须在优化模型,使得测试时间足够短,且检测精度足够高,此啊能有效的应用在目标检测方面。
- Google深度学习目标检测API模型比较
- 目标检测-深度学习
- 目标检测 深度学习
- 深度学习-目标检测
- 深度学习目标检测:RCNN,Fast,Faster,YOLO,SSD比较
- 深度学习目标检测:RCNN,Fast,Faster,YOLO,SSD比较
- 深度学习-目标检测综述
- 深度学习的目标检测
- 深度学习-目标检测综述
- 深度学习目标检测方法
- 目标检测——深度模型总结
- 深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
- 深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
- 深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
- 深度学习目标检测模型发展过程:R-CNN Fast R-CNN Faster R-CNN R-FCN
- 深度学习 检测模型对比
- 深度学习之目标检测进展
- 基于深度学习的目标检测研究进展
- [HDU](3746)Cyclic Nacklace ---KMP(串)
- 细聊分布式ID生成方法
- 注解之注解的基本概念
- 第六课记录 Hadoop的起源——Google的基本思想之二
- VS 没有生成lib库
- Google深度学习目标检测API模型比较
- 图解HTTP读书笔记-(四 返回结果的HTTP状态码)
- ibatis 实现分页查询 简单粗暴
- 入行AI最需要的五大技能
- textarea自适应内容高度
- Java学习笔记-注释
- 如何使用nmon监控Linux系统性能
- lucene原理及java实现
- 批量读取文本文件并生成自己的肖像词云