물체 감지 : 속도 및 정확도 비교 (더 빠른 R-CNN, R-FCN, SSD, FPN, RetinaNet 및 YOLOv3)

서로 다른 물체 감지기를 공정하게 비교하는 것은 매우 어렵습니다. 어떤 모델이 가장 좋은지에 대한 정답은 없습니다. 실제 애플리케이션의 경우 정확성과 속도의 균형을 맞추기 위해 선택합니다. 검출기 유형 외에도 성능에 영향을 미치는 다른 선택 사항을 알아야합니다. 기능 추출기 (VGG16, ResNet, Inception, MobileNet). 추출기에 대한 출력 보폭. 입력 이미지 해상도. 매칭 전략 및 IoU 임계 값 (예측이 손실 계산에서 제외되는 방식). 비 최대 억제 IoU 임계 값입니다. 하드 예제 마이닝 비율 (양수 대 음수 앵커 비율). 제안 또는 예측 수입니다. 경계 상자 인코딩. 데이터 증대. 훈련 데이터 세트. 훈련 또는 테스트에서 다중 스케일 이미지 사용 (자르기 포함). 객체 감지를..

원문링크 : 물체 감지 : 속도 및 정확도 비교 (더 빠른 R-CNN, R-FCN, SSD, FPN, RetinaNet 및 YOLOv3)