《基于图像分类的下一代速度类测试解决方案》由会员分享，可在线阅读，更多相关《基于图像分类的下一代速度类测试解决方案（43页珍藏版）》请在金锄头文库上搜索。
1、基于图像分类的 下一代速度类测试解决方案,目录,从启动速度开始,改进，与改进的改进,告别摄像头,现在与未来,从启动速度开始,核心指标 应用范围广 过程简单 人力消耗,传统做法：日志埋点,传统做法：视频数帧,常见改进方案,目标检测 图像聚类 图像分类,目标检测,目标检测,问题1：效率 or 准确？,多个标志物意味着多倍计算量 高精确度需要高fps 设备间兼容也需要算力 ,问题2：局限性,没有合适的标志物,聚类与分类,有无监督？ 结果可控？ 人工成本？,聚类与分类,stage1,stage2,MODEL,train,聚类与分类,问题：局限性,无法判定变化的过程,三大痛点,类别关联,变化过程,人工采
2、集成本,stage1,stage2,stage1,4,stage1 stage2stage3stag?e3stage stage2,stagesepx,时间推移,时间与视频,视频是一组带时间戳图片的集合,切割器：阶段与变化,找到帧之间的联系,问题1：区域与变化,如何分辨大面积的细微变化与小面积的突变？ 矩阵拆分，单一指标成为一组数据,问题2：渐变,单一指标难以应对,多指标配合来处理复杂的情况 数据决定了算法的上限,分类器：阶段 & 类,stage1,stage2,stage3,class1,class2,class1,类级别操作,可定制性 后续可用性,性能与优化,分辨率 阶段数 预加载,效果,
3、变化过程,图表,天然跨端, 跨任意端,落地方式 1.0,设备,摄像机,stagesepx,报告,为什么还是用了摄像头？,摄像头的意义,安全、稳定,“不够准确的”软件录制,Opencv假设了你的视频fps是稳定的 但实际上并不是 前提错误，结论必然有问题,误差根源,并不均匀,误差根源,如何消除,效果比较,Camera：4.00 1.66 = 2.33 Software：5.43 3.13 = 2.30,Camera,Software,如何落地 2.0,设备,ffmpeg,stagesepx,报告,半自动化与全自动化,无人值守 人工干预,哪个是最佳实践？ 都有可能，先权衡成本！,半自动化,少量人工操作成本+少量开发成本达到好的效果,全自动化：确保阶段与预期一致,Stage 1,与自目定标义检训测练结集合,如何落地3.0,半自动化,灵活需求,全自动化,高频回归,规划与定位,速度,功能,兼容,SDK,ONE MORE ,社区：做公司做不到的事情 开源：普适性与稳定性 方向：DevOps 发展：需求权衡,谢谢聆听！,
