Data analysis

Intro: normal distribution/Gaussian distribution

Data distribution

1st iteration

2nd iteration

3rd iteration

4th iteration

Inference time and outliers

1st iteration

2nd iteration

3rd iteration

4th iteration; no outlier

• 165 張的inference時間 (058 ~ 0.77) 平均 0.67秒左右

  • Q: why 有差異? 推測動作的差異大小造成inference時間的差異

    • A: 根據Data distribution的結果，每次的inference time是隨機的，而非frame的資訊（在相同dimension下）不同造成不同的inference time。Data distribution呈現出的常態分布也是一個合理的結論。
    • 以上為4次運行的成果，前三張小圖扣掉outlier也是趨近於常態分佈，第四張圖沒有outlier。

    補充: frame的維度是造成整體inference time的不同，但是在統一規格（維度）中的一組frame，frame跟frame之間的image information的不同只侷限在image matrix裡數字的不同，非維度的不同。我們探討的動作大小差異的frame還是跟其他frame在同一個維度下，因此在同一組frame的inference time還是在一個固定的區間隨機分布的。

Comparison

3 consecutive images by second

Q: 以52秒加減1秒的影像觀察，是否有預期外的現象/noise...?

A: 有，主要集中在機台上，而動態物體並沒有產生額外雜訊

這三張圖以中間的frame前後各加減15個frame (15fps)，以避免影響結論