NMS 性能测试方案 (七)

4.3 详细测试方法
背景数据:
低容量配置------ TR069管理
PC服务器配置 06110653 PC服务器-HP DL380G5-2*Xeon四核5405 2.0G或以上-8G(4*2G)-5*146G SFF SAS-DVD-2*集成千兆网卡-集成E200阵列卡(128M)-无磁带机-无显示器-机架式-无OS-英文资料-3Y5*8-100V~240V AC-2*1000W(1+1)-无键鼠
PC server,HP DL380G5,2*Xeon 4Core5405 2.0G or above,8G(4*2G),5*146G SFF SAS,No FDD,DVD,2*Integrated 1000M NIC,E200 ArrayCard(128M),No DAT72,No Monitor,Rack Model,No OS,En.Doc,3Y5*8,100V~240V AC,2*1000W(1+1),without Mouse&KB
物理资源数量 1、 1 AP = 1等效节点
2、 支持2000等效节点数
业务资源数量 1、 2000*30=6万 (TR069管理)
客户端数 1、 50客户端
背景流量 1、 网管上同时进行北向接口业务发放操作:100条/s
2、 告警上报:1000条/s《峰值30S告警接收处理能力(告警/每秒)》
静态数据 1、 性能统计任务:10万(待定)
2、 当前告警: 10万(待定)
3、 当前事件: 10万(待定)
4、 历史告警数量:10 万(待定)
5、 日志存储数量: 10万(待定)


低容量配置------ SNMP管理
PC服务器配置 06110653 PC服务器-HP DL380G5-2*Xeon四核5405 2.0G或以上-8G(4*2G)-5*146G SFF SAS-DVD-2*集成千兆网卡-集成E200阵列卡(128M)-无磁带机-无显示器-机架式-无OS-英文资料-3Y5*8-100V~240V AC-2*1000W(1+1)-无键鼠
PC server,HP DL380G5,2*Xeon 4Core5405 2.0G or above,8G(4*2G),5*146G SFF SAS,No FDD,DVD,2*Integrated 1000M NIC,E200 ArrayCard(128M),No DAT72,No Monitor,Rack Model,No OS,En.Doc,3Y5*8,100V~240V AC,2*1000W(1+1),without Mouse&KB
物理资源数量 1、 1 AP = 1等效节点
2、 支持2000等效节点数
3、 1 AC (1个AC可管理2000个AP)
业务资源数量 1、 255 个AP域 (SNMP管理)
2、 1000个负载均衡 (SNMP管理)
客户端数 1、 50客户端
背景流量 1、 网管上同时进行北向接口业务发放操作:100条/s
2、 告警上报:1000条/s《峰值30S告警接收处理能力(告警/每秒)》
静态数据 1、 性能统计任务:10万(待定)
2、 当前告警: 10万(待定)
3、 当前事件: 10万(待定)
4、 历史告警数量:10 万(待定)
5、 日志存储数量: 10万(待定)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: nms.cpu_nms是一种非极大值抑制(Non-Maximum Suppression,NMS)算法,主要用于目标检测领域中的物体框去重处理。在目标检测任务中,常常会生成多个候选框,这些框可能有一定的重叠区域,而NMS的作用就是根据一定的规则选择出最具代表性的框。 nms.cpu_nms是一个基于CPU的实现,其主要流程包括以下几个步骤: 1. 输入:nms.cpu_nms接受候选框列表作为输入,每个候选框由矩形框的坐标和其对应的置信度组成。 2. 按置信度排序:首先对所有候选框按照置信度进行降序排序,将置信度最高的框放在前面。 3. 计算重叠区域:对排序后的框从前往后依次遍历,计算当前框与其后面框的重叠区域。 4. 筛选框:若两个框的重叠区域大于一定的阈值,则保留置信度较高的框,否则将其舍弃。 5. 循环迭代:重复步骤3和4,直到遍历完所有的框。 6. 输出:最终得到筛选后的一组最具代表性的框。 nms.cpu_nms是一种计算复杂度较高的算法,由于其使用CPU进行计算,相对速度较慢。为了提高性能,也可以使用nms.gpu_nms等基于GPU加速的实现。目前,NMS在目标检测中广泛应用,并成功解决了多个候选框导致的冗余问题,提高了检测结果的准确性和效率。 ### 回答2: nms.cpu_nms是一种计算机视觉中的非极大值抑制(Non-Maximum Suppression,NMS)的算法。它主要用于目标检测任务中,将多个重叠的候选目标框缩减为较少的、最具代表性的目标框。其核心思想是通过消除掉重叠度较高的候选框,从而得到更准确的检测结果。 nms.cpu_nms的工作流程如下: 1. 输入:给定一组检测框候选区域和对应的置信度得分。 2. 根据置信度得分对所有候选区域进行降序排列。 3. 选择具有最高置信度得分的第一个候选框,并将其添加到最终的目标检测结果列表中。 4. 遍历剩余的候选框,并计算其与已选定的目标框的重叠度(如交并比)。 5. 如果重叠度高于一定阈值,则将该候选框丢弃;如果重叠度低于阈值,则将该候选框添加到最终的目标检测结果列表中。 6. 重复步骤4和5,直到所有的候选框都被遍历完成。 7. 输出:最终得到缩减后的目标检测结果列表。 nms.cpu_nms的实现通常基于CPU处理器,利用快速计算来实现高效的非极大值抑制。它是目标检测中不可或缺的一部分,可以帮助提高检测结果的准确性和稳定性。而nms.cpu_nms是其中一种算法的具体实现方式,在目标检测任务中得到了广泛应用。 ### 回答3: nms.cpu_nms是一个用于目标检测任务中的非极大值抑制算法,用于在检测结果中去除重叠的边界框。在目标检测任务中,检测器常常会生成多个边界框来覆盖目标物体,但是由于物体的大小、形状和姿态等因素的差异,这些边界框会存在一定的重叠。为了避免重复检测和提高检测结果的准确性,就需要使用非极大值抑制算法进行处理。 nms.cpu_nms是在CPU上执行的一种非极大值抑制算法,其原理是遍历所有的边界框,根据它们的置信度和重叠度进行筛选。具体来说,首先将所有边界框按照置信度进行排序,然后从置信度最高的边界框开始,计算它与其他边界框的重叠度,如果重叠度大于设定的阈值,就将其删除,否则保留。随后,继续处理下一个置信度最高的边界框,直到所有边界框都被遍历完成。 通过应用nms.cpu_nms,可以有效地减少冗余的检测结果,提高目标检测任务的准确性和效率。它常被广泛应用于各种计算机视觉任务中,如目标检测、行人检测、车辆检测等。另外,由于nms.cpu_nms是在CPU上执行的,相对于在GPU上执行的nms算法,它的计算速度可能会较慢。但是,由于CPU具有广泛的兼容性和可扩展性,因此nms.cpu_nms在一些需要在较低性能设备上运行的场景中仍然具有一定的优势。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值