YoloV2 より超速 MobileNetSSD+Neural Compute Stick(NCS)+Raspberry Piによる爆速・高精度の複数動体検知 - Qiita
YoloV2 より超速 MobileNetSSD+Neural Compute Stick(NCS)+Raspberry Piによる爆速・高精度の複数動体検知PythonRaspberryPiDeepLearningIoTMovidius MobileNet-SSD-RealSense I wrote it in English in the comment section. スマホで閲覧すると画像が激重なためＰＣでの閲覧を推奨 ◆はじめに Intelのアーキテクト AshwinVijayakumar(アシュウィンヴィジャヤクマール) から、「仲間が頑張っているのを見るととても嬉しい。MobileNet SSDもなかなかCOOLだぜ。調べてみなよ。」というニュアンスの、押しつけがましい有難いコメントをいただいたため、早速、速度と精度の観点でRaspberryPiでどれほどのパフォーマンスが
SSD:Single Shot Multibox Detector - Qiita
物体検出ニューラルネットワークのSSDを調べていた。 勉強のために論文を訳することにした。 下記のページを参考にさせていただいた。 https://www.slideshare.net/takashiabe338/fast-rcnnfaster-rcnn https://www.slideshare.net/takanoriogata1121/ssd-single-shot-multibox-detector-eccv2016 ※訳には間違いがないよう注意を払いましたが、完全であることを保証できません。誤りがありましたらお教え願います。 原文： Wei Liuら,(2016) SSD: Single Shot MultiBox Detector 概要：https://arxiv.org/abs/1512.02325 PDF:https://arxiv.org/pdf/1512.02325.
リアルタイム物体検出向けニューラルネット、SSD(Single Shot Multi Detector)及びその派生モデルの解説 - verilog書く人
さて、昨年行ったGTC Japan 2017では物体検出のデモを行っているブースが多く、盛り上がりを見せている分野と感じています。 たしかに、物体検出のデモってすごくAI感(?)があります。 今回の記事はリアルタイム(~0.1sec)物体検出に使われるSSD及びその派生モデルのお話。 [1]SSD検出結果 物体検出の難しさ SSD ネットワーク構造 マルチボックスマッチング default boxと回帰によるオフセット予測 ハードネガティブマイニング ロス関数 データオーグメンテーション DSSD(Deconvolutional Single Shot Detector)の登場 Deconvolutional Module ResNetを使う。 Prediction Moduleの変更 Default Box増やした ESSD ESSDではやっぱりVGGを使う。 隣接したFeatureMa
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
