Slide 8
Slide 8 text
●c SSIIの社会性オトナな柔軟を
ex i CHM similar GHT(iwFCV2024/MinsuCho、
POSTECH)
ii DataBias(ibid/中島悠太、阪⼤)
iii 現場ロジックとDL技術 茫然モヤモヤ再来again
↓
H.Bergsonの『物質と記憶』科学技術
• オオタカモニタリング/離巣、給餌
• YOLOv8のパラメータ数の表⽰例(SKEN、NIC)
• ・3クラスの分類モデルxの場合
• Ultralytics YOLOv8.0.202 Python-3.10.11 torch-2.0.1+cu118 CUDA:0 (NVIDIA GeForce RTX 4070, 12282MiB)
• YOLOv8x-cls summary (fused): 133 layers, 56127043 parameters, 0 gradients, 153.8 GFLOPs
• ・7クラスの物体検出モデルxの場合Ultralytics YOLOv8.0.191 Python-3.1
• 0.11 torch-2.0.1+cu118 CUDA:0 (NVIDIA GeForce RTX 4070, 12282MiB)
• Model summary (fused): 268 layers, 68131272 parameters, 0 gradients, 257.4 GFLOPs