当前位置:首页 > > 基于深度学习目标检测模型优缺点对比
模型 实时性 优点 缺点
OverFeat 最早使用CNN进行特征提取 图像滑窗,时间、空间开销大
R-CNN 确定候选区域,CNN提取特征,SVM分类,性能比传统算法显著提高 对每个候选区域都做特征提取,时间、空间开销大
SPP-Net 整张图片提取特征,加快速度;SPP层,避免候选区域归一化 空间开销大
Fast R-CNN 同时完成定位和分类,节省空间 候选区域选取方法计算复杂,
Faster R-CNN 较差 真正完成端到端训练测试 模型复杂,小目标检测不佳,空间量化粗幢
R-FCN 较差 定位精度更高 模型复杂,计算最大
Mask R-CNN 较差 实例分割准确、检测精度更高 实例分割代价昂贵
YOLO 优秀 网络简单,检测速度优异 定位准确度低,小目标、多目标检测效果不佳
SSD 优秀 网络简单,检测准确度获得高 模型难收敛,小目标检测效果不佳
YOLOv2 416 优秀 允许用户在精度和速度之间调整 使用预训练,难迁移
DSOD300 较好 不需要预训练 检测速度
R-SSD 较好 小目标检测效果较好 模型计算复杂,检测速度一般
 
 
  机器人推荐
 
栏目导航
 
最新信息
 
 
 
隐私条款
隐私政策
使用条款
咨询热线
 
销售咨询
4006-935-088 / 4006-937-088
客服热线
4008-128-728
 

版权所有 @ 创泽智能机器人集团股份有限公司      鲁ICP备18039973号-2      运营中心 / 北京·清华科技园九号楼5层      生产中心 / 山东省日照市开发区太原路71号

消毒机器人   讲解机器人   迎宾机器人   机器人底盘   商用机器人   智能垃圾站   智能服务机器人   大屏机器人  雾化消毒机器人  紫外线消毒机器人  消毒机器人价格  消毒机器人厂家  服务机器人底盘  核酸采样机器人  雾化消毒机  机器人OEM代工厂  智能配送机器人  喷雾消毒机器人  图书馆机器人  酒店送物机器人  云迹科技润机器