Просто мое впечатление (без рекомендаций или даже подобного опыта)
Взглянув на рекомендации по оборудованию, относящиеся к darknet, можно предположить, что вы можете запастись собственное оборудование, чтобы получить более быстрые результаты.
Я читал о трех различных версиях YOLO и ожидаю, что если вы загрузите рекомендуемые файлы, в них будет включено много обучения GFLOPS, но если модели никогда не подходят для ваших продуктов, то для вас они никогда может быть очень полезным.
Должен признать, что я не был активен ни с YOLO, ни с Tensorflow, поэтому мое впечатление может быть совершенно бесполезным.
Если вы посмотрите несколько видео с YOLO, вы можете заметить, что иногда верблюд помечен лошадью, и точность кажется плохой, но это зависит от порога, который применяется к изображениям, поэтому видео выглядят потрясающе, поскольку кажется, что распознавание выполняется так быстро, но с более высокой точностью процесс замедлится - также в зависимости от натренированные мотивы.
Они никогда этого не скрывают, а объясняют на изображении, что Если собака обозначена как корова, а лошадь как овца (версия 2), то в сочетании с даркнетом он становится намного быстрее, но менее точен, поэтому использование даркнета также является важным аспектом.
Информация о деталях кажется довольно плохой на веб-сайтах YOLO, они представляют ее больше, как если бы вы делали с поп-звездой, в сравнение веб-сайт Tensorflow выглядит более академичным и информирует о математике, лежащей в основе фреймворка.
Что касается Tensorflow, я не знаю о рекомендациях по оборудованию, но, поскольку вы писали, ваши результаты полезны, возможно, они немного или даже намного меньше.
Мне кажется, что YOLO в первую очередь предназначен для обнаружения в (живом) видео в реальном времени и требует длительного обучения для обеспечения высокой точности. Так что, в зависимости от вашего варианта использования, это может быть правильным, но вы должны инвестировать в оборудование, вероятно, для профессионального использования.
Это не мнение против Tensorflow, но мне нужно было проверить больше, и, похоже, требуется больше времени, чтобы получить впечатление. Что касается Tensorflow, на данный момент я даже не могу сказать, можно ли его использовать для обнаружения в реальном времени, насколько он точен, и если результаты тогда все же лучше, чем у YOLO.
Я предполагаю, что в отношении обоих решений это вопрос задействованных элементов (например, решение о включении даркнета для повышения скорости), конфигурации, обучения и корректировок. Вероятно, всегда есть что увеличить в скорости и точности, поэтому инвестирование в систему распознавания будет не статическим процессом с фиксированным концом на временной шкале, а постоянным процессом.
Это всего лишь краткий обзор моих впечатлений, у меня никогда не было опыта работы с каким-либо программным обеспечением для распознавания, и я вряд ли рекомендую вам принимать какое-либо решение на основе моих слов.
Просто если вы хотите использовать любое профессиональное программное обеспечение для распознавания, особенно для распознавания в реальном времени вам, вероятно, придется инвестировать в оборудование.
person
David
schedule
18.06.2018
