- RCNN (seri olarak)
- SSD
- YOLO
| 💠 Algoritma | 📃 Özet | 👮♀️ Sınırlandırma |
|---|---|---|
| 🔷 R-CNN | Görüntülerden selective search kullanarak 2000 bölge çıkartır | Yüksek hesaplama süresi |
| 💫 Fast R-CNN | Görüntü feature maps çıkarmak için bir kez CNN'e geçirilir ve sonra bölgeler selective search ile çıkarılır | Selective search yavaştır |
| ➰ Faster R-CNN | Selective search yöntemini RPN ile değiştirir | Yavaş (nispeten, yeterince hızlı değil) |
SSD obje algılama algoritması 2 bölümden oluşur:
- Feature map'leri çıkarma
- Convolution filtrelerini tespit edilen objelere uygulama.
Özet: Sistem giriş görüntüsünü S × S grid'e böler. Bir objenin merkezi bir hücreye düşerse, bu hücre bu objeyi algılar.
| Algoritma | 🏃♀️ Hız | 🧐 Doğruluk |
|---|---|---|
| ⭕ Bölge tabanlı algoritmalar | 🛴 Düşük | 🚀 Yüksek |
| 😉 YOLO | 🚀 Yüksek | 🛴 Düşük |
| 🤸♀️ SSD |
- 🤹♀️ Bu karşılaştırma, modellerin genel karşılaştırılmasıdır
- 👮♀️ İhityaçlara ve elde bulunan kaynaklara göre seçim yapılmalı