trick3-关于目标检测算法好坏的一些衡量指标
文章目录
- 前言
- 一、网络运算时的组成
- 二、关于目标检测网络的常用指标
- 1.AP(%)
- 2.Parameters
- 3.GFLOPs
- 4.Latency
- 5.FPS
- 总结
前言
并不是参数量越少,网络运行速度越快。网络运行快慢与网络参数量不一定成正比。参考博客
一、网络运算时的组成
shufflenet提出,网络的运行时间由不同的部分组成。由下图可以得出虽然卷积占用了大部分时间,但其他操作,包括数据I/O和Element-wise(AddTensor、ReLU等)也占用了大量时间。因此,单单优化网络在执行卷积时所花费的时间有一定的效果。
二、关于目标检测网络的常用指标
1.AP(%)
代表了目标检测算法的检测精度。
2.Parameters
参数量,指模型含有多少参数.
Parameters 参数量。参数量指的是模型所包含的参数的数量,比如我们模型中使用到的卷积、全连接里面的权值矩阵对应的每一个数字,都是参数量的组成.
参数量的单位是M,需要注意的是,模型的参数量并不等于存储空间大小,存储空间的单位是MB(或者KB)而不是M。
3.GFLOPs
FLOPs 是浮点运算次数,可以用来衡量算法/模型复杂度GFLOPs。
FLOPS是处理器性能的衡量指标,是“每秒所执行的浮点运算次数”的缩写。
FLOPs是算法复杂度的衡量指标,是“浮点运算次数”的缩写,s代表的是复数
FLOPs是用来衡量算法复杂度的指标,但算法复杂度往往不等同于算法的运算速度。Efficientdet就是非常典型的例子,FLOPs很小,但速度慢,占用显存大
4.Latency
网络前向传播的时间
Latency指一般是网络预测一张图片所用的时间,应该是不包括后处理(without post processing)的。也就是单单包含了网络前传部分的时间。
5.FPS
每秒传输帧数,FPS=1/Latency
总结
1.Parameters低 ≈ FLOPs低:FLOPs基本和Parameters成正关系,不过FLOPs还和输入进来的图片大小有关,输入图片越大,FLOPs 越大
2.FLOPs低 ≠ Latency低: FLOPs低 ≠ FPS高,最典型的例子就是EfficientNet,EfficientNet使用了大量的低FLOPs、高数据读写量的操作,即深度可分离卷积操作。这些具有高数据读写量的操作,受到了GPU带宽的限制,算法浪费了大量时间在读写数据上,GPU算力也自然没有得到良好的应用
3.Parameters低 ≠ Latency低:Parameters低 ≠ FPS高,同FLOPs,最典型的例子就是EfficientNet。
并不是参数量越少,网络运行速度越快。网络运行快慢与网络参数量不一定成正比。参考博客
trick3-关于目标检测算法好坏的一些衡量指标相关推荐
- 推荐CVer的总结 | 性能最强的One-stage目标检测算法
前言 2019.07.07,CVer 曾推出一篇:大盘点 | 性能最强的目标检测算法,大家对此反映很好,还有很多同学私信要盘点 FPS 最快的目标检测算法. 要知道衡量目标检测最重要的两个性能就是 精 ...
- 学习笔记之——基于深度学习的目标检测算法
国庆假期闲来无事~又正好打算入门基于深度学习的视觉检测领域,就利用这个时间来写一份学习的博文~本博文主要是本人的学习笔记与调研报告(不涉及商业用途),博文的部分来自我团队的几位成员的调研报告(由于隐私 ...
- 真正意义的Anchor-Free,FCOS目标检测算法了解一下
点击上方"AI搞事情"关注我们 2019年目标检测领域比较火的一个方向就是Anchor-Free,比如:CornerNet.ExtremeNet.CenterNet.FoveaBo ...
- 【机器学习】传统目标检测算法总结
目标检测是什么 object detection,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别.所以,object detection要解决的问题就是物体在哪里以及是什么的整个流程问题. ...
- [RCNN]-[YOLO]-[SSD]目标检测算法
原文链接:http ://chuansong.me/n/353443351445 转载自深度学习大讲堂公众号 开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么 ...
- 目标检测算法横向比较,包括backbone、特征融合、loss、proposal/anchor/heatmap、NMS、正负样本设置等
目标检测算法发展移步:目标检测算法 本文从算法改进的方向,进行横向比较,包括backbone,特征融合.loss.proposal/anchor/heatmap.NMS.正负样本设置等 Referen ...
- 基于haar特征的adaboost算法_目标检测算法介绍
什么是目标检测 目标检测是指从图像中找出目标,包括检测和识别两个过程,现实中由于环境的复杂性以及各类物体的形状.外观以及光照,遮挡等因素的干扰,所以目标检测一直也是计算机视觉最常见的挑战之一. 目标检 ...
- 目标检测算法评价指标之mAP
随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对目标进行实时跟踪研究越来越热门,对目标进行动态实时跟踪定位在智能化交通系统.智能监控系统.军事目标检测及医学导航手术中手术器械定 ...
- ap 目标检测算法map_目标检测算法的评估指标:mAP定义及计算方式
前面依次介绍了: 本节介绍目标检测算法的评估指标:mAP定义及计算方式 mAP:mean Average Precision,平均精度均值,即AP(Average Precision)的平均值,它是目 ...
最新文章
- GNN笔记:傅里叶变换
- 201671030125+词频统计软件项目报告
- ubuntu deepin python/python3安装pip/pip3
- Gradient Boosting and GBDT
- Addressable 增量包
- 国内App推广N种方法,总有几种适合你
- java代码压缩文件
- 【供应链架构day10】供应链架构的基础逻辑
- php后门 佛像,给千年佛像做了个CT,结果好吓人
- win10安装Vmware虚拟机黑屏的解决
- ttyS 和 ttyO 的区别
- 2017年大数据可视化机遇,这5大行业不容错过
- 《高级职称证书挂靠价格一览表》
- 区块链共享数据架构设计
- Gensim学习笔记-1--理解corpora.Dictionary
- 理解中国经济的五层思维-中国视角下的宏观经济
- UPC 1016: 幼儿园小朋友们的难题
- 2021-05-18 人头检测 version-slim(主干精简速度略快),version-RFB(加入了修改后的RFB模块,精度更高)
- 咱们500万条数据测试一下,如何合理使用索引加速?
- Linux内核配置(二) :CPU类型配置