研究文章
绩效评估的深度学习算法在实时环境中使用高端媒体处理板
表4
比较各种卷积神经网络(CNN)框架的地图,FPS和层。
|
| 卷积神经网络(CNN)框架比较 |
| CNN变体 |
作者 |
地图(平均平均精度) |
FPS(帧/秒) |
层 |
|
| YOLO |
Redmon et al。34] |
63.4 |
45 |
26 |
| YOLOv2 |
Redmon et al。42] |
48.1 |
42 |
32 |
| YOLOv3 |
Redmon et al。4] |
51.5 |
20. |
106年 |
| YOLOv3-tiny |
Adarsh et al。43] |
33.1 |
220年 |
24 |
| YOLOv4 |
Bochkovskiy et al。44] |
43.5 |
65年 |
137年 |
| YOLOv5 |
Jocher et al。45] |
48.1 |
264年 |
24 |
| YOLOv5s |
Jocher et al。45] |
36.8 |
455年 |
17 |
|
|
加快 |
每个图像测试时间(s) |
| R-CNN |
Saeidi和艾哈迈迪36] |
1× |
47 |
| 快R-CNN |
任等。37] |
146× |
0.32 |
|
|
