spp 订阅
简并行过程(Simplified Parallel Process)是基于CMMI以及软件工程和项目管理知识而创作的一种“软件过程改进方法和规范”,它由众多的过程规范和文档模板组成。SPP主要用于指导国内IT企业持续地改进其软件过程能力。 展开全文
简并行过程(Simplified Parallel Process)是基于CMMI以及软件工程和项目管理知识而创作的一种“软件过程改进方法和规范”,它由众多的过程规范和文档模板组成。SPP主要用于指导国内IT企业持续地改进其软件过程能力。
信息
外文名
Simplified Parallel Process
基    于
CMMI以及软件工程和项目管理知识
中文名
SPP
性    质
是一个传输协议子集
SPP标准并行接口
标准并行接口(Standard Parallel Port)。它可以提供50K Bits/秒的典型传输速度,其最高的传输速度可达150K Bits/秒。可进行9Bits的并行输入(板载并行接口一般支持数据口的双向传输故最大可达17Bits的输入)和12Bits的并行输出。通常可选择Nibble(4bits)或Byte(8bits)的方式进行输入数据,还有一种Bi-directional的双向传输方式,这种方式需硬件支持。SPP硬件是由8条数据线,4条控制线和5条状态线所组成,它们分别对应三个不同的寄存器来进行数据的读写操作。
收起全文
精华内容
下载资源
问答
  • SPP-LegionV2-管理 SPP LegionV2服务器的配置和管理 感谢您对SPP不一致的Serithul的帮助以帮助SQL。 没有你,这个项目将不会是它的一半:) 用法 此应用程序需要.net framework 4.8。 (设置和使用情况的屏幕截图在...
  • MobileNetv2-YOLOv3-SPP暗网MobileNetv2-YOLOv3-SPP检测网络的暗网实现网络VOC mAP(0.5)解析推断时间(GTX2080ti)FLOPS权重大小MobileNetV2-YOLOv3-SPP 71.7 416 5ms 5.5BFlops 14.2 * emmmm ...这个懒得训练,...
  • 最新HP DL380系列固件SPP包官方版及定制版20210424
  • 北斗导航系统定位精度一直是研究的重点,利用消电离层组合模型现实北斗不同双频组合标准单点定位。结合MGEX机构发布的2个跟踪站实测数据实现北斗双频标准单点定位精度分析,经研究发现,B1/B3组合标准单点定位精度优于...
  • 最新版的HPE SPP, 2020年3月 P26940_001_SPP-2020.03.0-SPP2020030.2020_0319.22.ISO (7.04 GB)
  • yolov3-spp.weights.tar.gz

    2020-05-09 17:21:42
    yolov3(pytorch)训练自己的数据集可参看本人blog。要使用的预训练权重:yolov3-spp.weights。如有问题可留言或私聊。
  • yolov3-spp.cfg

    2020-04-29 11:10:26
    在运行目标检测典型算法yolov3时,有不同的神经网络可供选择,该文件是spp版本,文件提供了神经网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay,learning_rate等。
  • yolov3-spp-ultralytics-512.pt预训练模型
  • yolov3-spp.pt

    2020-05-02 15:57:13
    yolov3-spp.pt 预训练权重
  • 本文介绍的是利用蓝牙串行端口配置文件(SPP)实现无线引导加载的过程。
  • yolov3-spp.zip

    2020-08-09 20:26:20
    YOLOv5权重文件:S模型。yolov5系列将在2020年第2/3季度进行架构研究和开发,以提高性能。更新可能包括来自yolov4的CSP瓶颈,以及PANet或BiFPN head特性。
  • 由于版本1.15.4 spp在上可用,因此可以使用以下命令进行安装 install.packages("spp", dependencies=TRUE) 另外,您可以使用modtools安装spp: require(devtools) devtools::install_github('hms-dbmi/spp', build_...
  • 腾讯spp框架

    2017-07-07 21:59:21
    腾讯spp框架
  • BluetoothSppPro, 蓝牙spp工具,Android项目 你可以使用本工具作为研究之用,但不建议将其用于商业项目,如果由此引起的任何损失或法律问题与本开发者无任何关系。如果你引用了本项目中的任何文件,就默许你已接受...
  • yolov3-spp.weights

    2020-05-15 18:43:21
    来自官网的yolov3-spp权重文件 分享给大家 可以快速下载 避免下载等待时间过长
  • CSR8670 SPP数据收发

    2018-04-14 13:01:43
    一份基于 CSR8670 ADK4.0.1S,实现的spp数据收发代码,主要就是用spps_shim.h给的api。
  • 引导加载器支持产品固件的现场更新。引导加载器可使用UART、I2C、SPI或USB等常见通信接口更新固件,而引导加载器主机和目标之间通常采用有线连接方式。在蓝牙到串行适配器的帮助下,这个引导加载操作能通过无线方式...
  • yolov3-spp-ultralytics.pt

    2020-05-09 14:12:44
    yolov3-spp训练后的权重文件yolov3-spp-ultralytics.pt,可当作预训练权重,也可以当作检测权重
  • SPP

    2020-08-18 12:04:55
    SPP(Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition) https://blog.csdn.net/yzf0011/article/details/75212513 https://blog.csdn.net/qq_35451572/article/details/80273222 ...

    SPP(Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)

    https://blog.csdn.net/yzf0011/article/details/75212513
    https://blog.csdn.net/qq_35451572/article/details/80273222
    https://blog.csdn.net/bryant_meng/article/details/78615353?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.add_param_isCf

    1、 背景

    在一般的CNN结构中,在卷积层后面通常连接着全连接。而全连接层的特征数是固定的,所以在网络输入的时候,会固定输入的大小(fixed-size)。但在现实中,我们的输入的图像尺寸总是不能满足输入时要求的大小。然而通常的手法就是裁剪(crop)和拉伸(warp)。

    这样做总是不好的:图像的纵横比(ratio aspect) 和 输入图像的尺寸是被改变的,这样就会扭曲原始的图像。而Kaiming He在这里提出了一个SPP(Spatial Pyramid Pooling空间金字塔池化)层能很好的解决这样的问题, 大大提高了产生候选框的速度,且节省了计算成本。

    在这里插入图片描述

    2、特点

    1. 不管输入尺寸是怎样,SPP 可以产生固定大小的输出
    2. 使用多个窗口(pooling window)
    3. SPP 可以使用同一图像不同尺寸(scale)作为输入, 得到同样长度的池化特征。

    优点

    1. 由于对输入图像的不同纵横比和不同尺寸,SPP同样可以处理,所以提高了图像的尺度不变(scale-invariance)和降低了过拟合(over-fitting)
    2. 实验表明训练图像尺寸的多样性比单一尺寸的训练图像更容易使得网络收敛(convergence)
    3. SPP 对于特定的CNN网络设计和结构是独立的。(也就是说,只要把SPP放在最后一层卷积层后面,对网络的结构是没有影响的, 它只是替换了原来的pooling层)
    4. 不仅可以用于图像分类而且可以用来目标检测

    缺点:
    1)虽然解决了R-CNN许多大量冗余计算的问题,但是还是沿用了R-CNN的训练结构,也训练了SVM分类器, 单独进行BBox regression。
    2)SPP-Net 很难通过fine-tuning对SPP-layer之前的网络进行参数微调,效率会很低,原因具体是(Fast-RCNN中的解释): SPP做fine-tuning时输入是多个不同的图片,这样对于每一个图片都要重新产出新的feature map,效率很低,而Fast-RCNN对其进行了改进

    3、SPP目标检测具体内容

    SPP是基于RCNN而改进的,现在有比其更快的Fast-RCNN, 和Faster-RCNN。

    3.1算法流程:

    1)首先通过选择性搜索,对待检测的图片进行搜索出2000个候选窗口。这一步和R-CNN一样。

    2)特征提取阶段。这一步就是和R-CNN最大的区别了,同样是用卷积神经网络进行特征提取,但是SPP-Net用的是金字塔池化。这一步骤的具体操作如下:把整张待检测的图片,输入CNN中,进行一次性特征提取,得到feature maps,然后在feature maps中找到各个候选框的区域,再对各个候选框采用金字塔空间池化,提取出固定长度的特征向量。而R-CNN输入的是每个候选框,然后在进入CNN,因为SPP-Net只需要一次对整张图片进行特征提取,速度是大大地快啊。江湖传说可一个提高100倍的速度,因为R-CNN就相当于遍历一个CNN两千次,而SPP-Net只需要遍历1次。

    直接使用特征图代替原图来检测目标
    在这里插入图片描述
    3)最后一步也是和R-CNN一样,采用SVM算法进行特征向量分类识别
    在这里插入图片描述

    3.2 一次特征提取

    RCNN是多个regions+多次CNN+单个pooling,而SPP则是单个图像+单次CNN+多个region+多个pooling
    在这里插入图片描述在特征提取上,速度提升了好多,R-CNN是直接从原始图片中提取特征,它在每张原始图片上提取2000个Region Proposal,然后对每一个候选区域框进行一次卷积计算,差不多要重复2000次,而SPP-net则是在卷积原始图像之后的特征图上提取候选区域的特征。所有的卷积计算只进行了一次,效率大大提高。结合EdgeBoxes提取的proposal,系统处理一幅图像需要0.5s

    3.2 multi-size训练网络训练

    直觉地说,可以理解成将原来固定大小为(3x3)窗口的pool5改成了自适应窗口大小,窗口的大小和reponse map成比例,保证了经过pooling后出来的feature的长度是一致的。 

    1)原理
    我们先假定固定输入图像的尺寸s=224, 而此网络卷积层最后输出256层feature-maps, 且每个feature-map大小为13×13(a=13),全连接层总共256×(9+4+1)个神经元, 即输全连接层输入大小为256×(9+4+1)。即我们需要在每个feature-map的到一个数目为(f=9+4+1)的特征。
    由于pooling窗口(w×w)很明显如果我们用一个pooling窗口怎么也很难得到f=9+4+1,再加上如果输入图像尺度变化的话,是根本不可能。
    这里用了3个pooling窗口(w×w), 而对应的pooling stride 为t, 经多这3个窗口pooling池化得到3个n×n,n=3,2,1的结果。
    饼画好了,怎么得到我们的窗口大小w和stride t呢?
    在这里插入图片描述在这里插入图片描述在这里插入图片描述

    展开全文
  • 用户可以通过串口和SPP-CA芯片进行通信,串口使用Tx,Rx两根信号线,波特率支持2400,4800,9600,14400,19200,38400,57600,115200,230400,460800和921600bps串口缺省波特率为9600bps。
  • spp是个非常好用的扩展层,但在github上下载的源码不适用tensorflow-gpu-2.0以上版本,此版本在原版基础上进行了修改,并进行了适当优化,能够适应最新版本的tensorflow。
  • pytorch_prac pytorch框架中的SPP_net可以免费添加到CNN拱门中。 可以在卷积层和完全连接的图层之间的CNN模型中添加SPP层,... 文件SPP_layer.py中的类SPPLayer是独立的。 可以将其添加到您自己的模型中。 纸 博客
  • spp_paud-源码

    2021-02-16 10:30:41
    cd spp-paud 使用composer安装所有依赖项 composer install 为此应用创建数据库,复制示例环境文件,并在.env文件中进行所需的数据库配置更改 cp .env.example .env 运行数据库迁移(在迁移之前在.env中设置数据库...
  • first_practice.spp

    2020-06-03 16:31:05
    已知n个设备(设施规划称为作业单位Activity或设施)两两之间的物料搬运量大小Wij(i=1,2,…,n, j=1,2,…,n),以及n个固定位置(设施规划中称为工作地),并且这n个工作地之间的距离为Dij。布置问题就是如何将n个...
  • JDY-31蓝牙基于蓝牙3.0 SPP设计,这样可以支持Windows、Linux、android数据透传,工作频段2.4GHZ,调制方式GFSK,最大发射功率8db,最大发射距离30米,支持用户通过AT命令修改设备名、波特率等指令,方便快捷使用...
  • 野火的蓝牙模块SPP_CA开发资源,带有原理图和代码,对于新学习蓝牙模块有一定帮助。
  • 这是一个简单的GPS单点定位程序,用C++编写的
  • stm32F103上实现蓝牙模块工作程序

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 14,291
精华内容 5,716
关键字:

spp