NMS 性能测试方案 (八)

注:以下各项测试都是在上述背景数据下进行的测试。
4.3.1 反应时间的性能测试
系统典型应用:
处理点或事件 期望的反应时间 实际反映时间平均值(至少3次)
启动U Server 10min
登录客户端 45s
平台告警处理能力(告警/每秒) 250条/s
查询历史告警(记录数<=10000) 3s
查询历史告警(10000<记录数<=100000) 10s
查询历史告警(记录数>=100000) 30s
查询操作日志(记录数<=10000) 3s
查询操作日志(10000<记录数<=100000) 10s
查询操作日志(记录数>100000) 30s
关闭网管server 1min
关闭网管客户端 3s
告警显示速度 5s
峰值30S告警接收处理能力(告警/每秒) 1000条/s
北向命令处理能力 100条/s
告警定位到列表 2s
设备资源和状态统计 1s
设备资源报表 <30s
设备资源数据定时轮询 2s/台
AC管理:
处理点或事件 期望的反应时间 实际反映时间平均值(至少3次)
查询AC模板信息 1s
查询AC模板的详细信息 1s
增加AC模板 2s
删除AC模板 1s
修改AC模板 1s
同步AC模板 10条/s
删除AC上的模板 1s
增加AP、radio、STA等逻辑资源 2s
删除AP、radio、STA等逻辑资源 1s
配置AP、radio、STA等逻辑资源 2s
同步AP、radio、STA等逻辑资源 10条/s
CPE管理:
处理点或事件 期望的反应时间 实际反映时间平均值(至少3次)
单个终端进行在线配置 1s
批量终端进行配置
(绑定模板) 4000台/hr
单个终端升级在线升级 < 10mins
批量终端进行升级 2000台/hr
单个终端进行诊断 2s
查询模板信息 1s
查询模板的详细信息 1s
增加模板 2s
删除模板 1s
修改模板 1s

测试结果分析:
  • 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