I
nte
rna
t
io
na
l J
o
urna
l o
f
Rec
o
nfig
ura
ble a
nd
E
m
be
dd
e
d Sy
s
t
e
m
s
(
I
J
R
E
S)
Vo
l.
8
,
No
.
3
,
No
v
em
b
er
201
9
,
p
p
.
2
0
6
~
2
1
4
I
SS
N
: 2
0
8
9
-
4864
,
DOI
: 1
0
.
1
1
5
9
1
/i
j
r
es.
v
8
.
i3
.
p
p
2
0
6
-
2
1
4
206
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ia
e
s
co
r
e.
co
m/jo
u
r
n
a
ls
/in
d
ex
.
p
h
p
/
I
JR
E
S
A
sca
la
ble F
PGA
ba
sed a
ccelerato
r
f
o
r
Tiny
-
Y
O
L
O
-
v2
using
open
CL
Ya
p J
un
e
Wa
i
,
Z
ul
k
a
na
in
M
o
hd
Yus
s
o
f
,
Sa
ni I
rw
a
n
M
d Sa
li
m
F
a
c
u
lt
y
o
f
El
e
c
tro
n
ic an
d
C
o
m
p
u
ter E
n
g
in
e
e
rin
g
,
Un
iv
e
rsiti
T
e
k
n
ik
a
l
M
a
lay
sia
M
e
lak
a
,
M
a
la
y
sia
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
J
u
l
9
,
2
0
1
9
R
ev
i
s
ed
Sep
1
0
,
2
0
1
9
A
cc
ep
ted
Oct
5
,
2
0
1
9
De
e
p
Co
n
v
o
lu
t
io
n
Ne
u
ra
l
Ne
two
rk
(CNN
)
a
lg
o
rit
h
m
h
a
v
e
re
c
e
n
tl
y
g
a
in
e
d
p
o
p
u
larity
in
m
a
n
y
a
p
p
li
c
a
ti
o
n
s
su
c
h
a
s
im
a
g
e
c
la
ss
i
f
ica
ti
o
n
,
v
id
e
o
a
n
a
ly
ti
c
,
o
b
jec
t
re
c
o
g
n
it
i
o
n
a
n
d
se
g
m
e
n
tatio
n
.
Be
i
n
g
c
o
m
p
u
te
-
in
ten
siv
e
a
n
d
m
e
m
o
r
y
e
x
p
e
n
siv
e
,
CNN
c
o
m
p
u
tatio
n
s
a
re
c
o
m
m
o
n
a
c
c
e
lera
ted
b
y
G
P
Us
w
it
h
h
ig
h
p
o
w
e
r
d
issip
a
ti
o
n
s.
Re
c
e
n
t
stu
d
i
e
s
sh
o
w
i
m
p
le
m
e
n
tatio
n
o
f
CNN
o
n
F
P
GA
a
n
d
it
g
a
in
h
ig
h
e
r
a
d
v
a
n
tag
e
in
t
e
r
m
o
f
e
n
e
rg
y
-
e
ff
icie
n
t
a
n
d
f
lex
ib
il
it
y
o
v
e
r
S
o
f
tw
a
r
e
-
c
o
n
f
ig
u
ra
b
le
-
G
P
Us
.
T
h
e
p
ro
p
o
se
d
f
ra
m
e
w
o
rk
i
s
v
e
ri
f
ied
b
y
i
m
p
le
m
e
n
t
T
in
y
-
Y
OLO
-
v
2
o
n
De
1
S
o
C.
T
h
e
d
e
sig
n
d
e
v
e
lo
p
m
e
n
t
in
t
h
is
p
ro
jec
t
is
HL
S
a
p
p
r
o
a
c
h
t
o
e
a
se
e
ff
o
rt
f
ro
m
w
rit
in
g
c
o
m
p
lex
RTL
c
o
d
e
s
a
n
d
p
ro
v
id
e
f
a
st
v
e
rif
ica
ti
o
n
th
ro
u
g
h
e
m
u
latio
n
a
n
d
p
r
o
f
il
in
g
to
o
ls
p
ro
v
i
d
e
d
in
t
h
e
Op
e
n
CL
S
DK
.
T
o
b
e
st
o
f
o
u
r
k
n
o
w
led
g
e
,
th
is
is
th
e
f
irst
im
p
le
m
e
n
tatio
n
o
f
T
in
y
-
Y
OLO
-
v2
CNN
b
a
se
d
o
b
jec
t
d
e
tec
ti
o
n
a
lg
o
rit
h
m
o
n
a
s
m
a
ll
sc
a
le De
1
S
o
C
b
o
a
rd
u
si
n
g
In
tel
F
P
G
A
S
DK
f
o
r
Op
e
n
CL
a
p
p
r
o
a
c
h
.
K
ey
w
o
r
d
s
:
C
NN
FP
GA
Ob
j
ec
t
d
etec
tio
n
Op
en
C
L
T
in
y
-
Y
OL
O
-
v2
Co
p
y
rig
h
t
©
2
0
1
9
In
stit
u
te o
f
A
d
v
a
n
c
e
d
E
n
g
i
n
e
e
rin
g
a
n
d
S
c
ien
c
e
.
Al
l
rig
h
ts
re
se
rv
e
d
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Yap
J
u
n
e
W
ai
,
Facu
lt
y
o
f
E
lectr
o
n
ic
an
d
C
o
m
p
u
ter
E
n
g
i
n
ee
r
i
n
g
,
Un
i
v
er
s
iti T
ek
n
ik
a
l
Ma
la
y
s
ia
Me
lak
a
,
Han
g
T
u
ah
J
a
y
a,
7
6
1
0
0
,
Du
r
ain
T
u
n
g
g
al,
Me
la
k
a,
Ma
la
y
s
ia
.
E
m
ail:
M0
2
1
7
1
0
0
1
2
@
s
tu
d
en
t
.
u
te
m
.
ed
u
.
m
y
1.
I
NT
RO
D
UCT
I
O
N
C
o
n
v
o
lu
tio
n
al
n
e
u
r
al
n
et
w
o
r
k
(
C
N
N)
,
as
a
w
el
l
-
k
n
o
w
n
d
ee
p
lear
n
in
g
ar
c
h
itect
u
r
e
in
s
p
ir
ed
b
y
ar
ti
f
icia
l
n
e
u
r
al
n
et
w
o
r
k
,
h
as
b
ee
n
p
r
i
m
ar
il
y
e
m
p
lo
y
ed
i
n
v
ar
io
u
s
ap
p
licatio
n
s
i
n
clu
d
i
n
g
i
m
a
g
e
[
1
,
2
]
an
d
v
id
eo
class
i
f
icatio
n
[
3
]
,
te
x
t
r
ec
o
g
n
i
tio
n
[
4
]
,
s
p
ee
ch
r
ec
o
g
n
itio
n
[
5
]
an
d
o
b
j
e
ct
d
etec
tio
n
[
6
-
8
]
.
T
h
e
s
tate
-
of
-
th
e
-
ar
t
C
NN
b
as
ed
alg
o
r
ith
m
s
u
s
u
all
y
co
n
s
is
t
m
i
llio
n
s
o
f
p
ar
a
m
eter
s
t
h
at
r
eq
u
ir
e
o
v
er
b
illi
o
n
o
p
er
atio
n
s
to
p
r
o
ce
s
s
a
s
i
n
g
le
i
m
a
g
e.
T
h
is
i
s
a
g
r
ea
t
co
m
p
u
tatio
n
al
c
h
alle
n
g
e
f
o
r
g
en
er
al
p
u
r
p
o
s
e
p
r
o
ce
s
s
o
r
s
(
C
P
U)
to
im
p
le
m
e
n
t
C
N
N
-
b
ased
ap
p
licatio
n
s
ef
f
icie
n
tl
y
.
T
h
u
s
,
v
ar
io
u
s
ac
ce
ler
ato
r
s
u
ch
as
GP
U,
FP
GA
an
d
A
SI
C
h
a
v
e
b
ee
n
ex
p
lo
r
ed
r
ec
en
tly
to
i
m
p
r
o
v
e
th
e
t
h
r
o
u
g
h
p
u
t
o
f
C
NN
d
esig
n
s
.
C
u
r
r
en
tl
y
,
FP
GA
h
a
v
e
r
ec
ei
v
ed
h
u
g
e
atten
tio
n
o
f
r
esear
c
h
er
s
d
u
e
to
th
eir
r
elativ
e
l
y
h
ig
h
p
er
f
o
r
m
a
n
ce
,
lo
w
p
o
w
er
co
n
s
u
m
p
t
io
n
,
r
ec
o
n
f
i
g
u
r
ab
ilit
y
a
n
d
f
a
s
t
d
ev
e
l
o
p
m
e
n
t
r
o
u
n
d
,
esp
ec
iall
y
w
i
th
t
h
e
i
n
tr
o
d
u
ctio
n
o
f
Hig
h
S
y
n
t
h
e
s
is
T
o
o
l
(
HL
S),
w
h
ich
e
n
ab
le
au
to
m
atic
co
m
p
ila
tio
n
f
r
o
m
h
i
g
h
-
lev
e
l
p
r
o
g
r
am
(
C
/C
++
)
to
r
eg
is
ter
-
tr
a
n
s
f
er
-
lev
e
l
(
R
T
L
)
[9
-
11]
.
P
r
ev
io
u
s
FP
G
A
-
b
ased
C
N
N
ac
ce
ler
ato
r
d
esig
n
s
[
9
-
1
1
]
m
ai
n
l
y
f
o
cu
s
ed
o
n
o
p
tim
izin
g
th
e
p
er
f
o
r
m
a
n
ce
a
n
d
co
m
p
u
ta
tio
n
al
r
eso
u
r
ce
s
o
n
l
y
o
n
clas
s
i
f
icatio
n
C
N
N
-
b
ased
al
g
o
r
ith
m
s
s
u
ch
a
s
A
le
x
Net
[
1
]
an
d
VGG
[
2
]
.
T
h
is
r
esear
ch
f
o
cu
s
o
n
d
ev
elo
p
in
g
C
NN
-
b
ased
o
b
j
ec
t
d
etec
tio
n
alg
o
r
ith
m
T
in
y
-
Y
OL
O
-
v
2
th
at
ca
n
r
u
n
o
n
FP
G
A
ac
ce
ler
ato
r
,
De1
So
C
.
I
n
co
n
tr
a
s
t
to
class
i
f
icatio
n
ta
s
k
,
o
b
j
ec
t
d
ete
ctio
n
lo
ca
lize
s
a
n
d
class
i
f
y
a
v
ar
iab
le
n
u
m
b
er
o
f
o
b
j
ec
ts
o
n
an
i
m
a
g
e
w
h
ic
h
i
n
d
icate
s
t
h
at
th
e
o
u
tp
u
t
o
f
o
b
j
ec
t
d
etec
tio
n
m
a
y
ch
an
g
e
f
r
o
m
i
m
ag
e
to
i
m
ag
e.
T
h
is
is
a
g
r
ea
t
ch
alle
n
g
e
to
f
it
co
m
p
u
tatio
n
al
i
n
ten
s
i
v
e
an
d
m
e
m
o
r
y
i
n
te
n
s
i
v
e
o
b
j
ec
t
d
etec
tio
n
alg
o
r
ith
m
:
T
i
n
y
-
YO
L
O
-
v
2
in
to
De1
So
C
b
o
ar
d
w
h
ich
h
as
v
er
y
li
m
ited
h
ar
d
w
ar
e
r
eso
u
r
ce
s
.
T
o
th
e
b
est
o
f
o
u
r
k
n
o
w
led
g
e,
t
h
is
r
esear
c
h
i
s
t
h
e
f
ir
s
t
C
NN
-
b
ased
d
etec
tio
n
a
lg
o
r
ith
m
i
m
p
le
m
en
ted
o
n
FP
G
A
,
De1
So
C
u
s
i
n
g
I
n
t
el
FP
G
A
S
DK
f
o
r
Op
en
C
L
ap
p
r
o
ac
h
.
W
e
s
u
m
m
ar
ize
t
h
e
k
e
y
co
n
tr
ib
u
tio
n
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
A
s
ca
la
b
le
F
P
GA
b
a
s
ed
a
cc
el
era
to
r
fo
r
T
in
y
-
YOLO
-
v2
u
s
in
g
o
p
en
C
L
…
(
Ya
p
Ju
n
e
W
a
i
)
207
as
f
o
llo
w
s
:
A
s
ca
lab
le
C
NN
-
b
ased
o
b
j
ec
t
d
etec
tio
n
alg
o
r
ith
m
T
in
y
-
Y
OL
O
-
v
2
t
h
at
ca
n
r
u
n
o
n
De1
So
C
u
s
i
n
g
I
n
tel
FP
GA
S
DK
f
o
r
Op
en
C
L
v
er
s
io
n
1
6
.
1
.
A
n
o
v
el
ap
p
r
o
ac
h
to
d
o
th
e
d
ata
r
ea
r
r
an
g
e
m
e
n
t
-
on
-
f
l
ig
h
t
to
eli
m
i
n
ate
t
h
e
n
ee
d
to
s
to
r
e
th
e
co
m
p
u
ted
o
u
tp
u
t
to
r
ed
u
ce
th
e
m
e
m
o
r
y
r
eq
u
ir
e
m
en
t
f
o
r
h
ar
d
w
ar
e.
I
n
d
ep
th
an
al
y
s
i
s
o
n
T
in
y
-
YO
L
O
-
v
2
an
d
id
en
ti
f
y
t
h
e
co
m
p
u
tatio
n
al
an
d
m
e
m
o
r
y
co
m
p
lex
i
t
y
.
Op
en
C
L
Fra
m
e
w
o
r
k
I
n
tel
FP
G
A
SDK
f
o
r
Op
en
C
L
al
lo
w
s
u
s
er
to
ab
s
tr
ac
t
a
w
a
y
th
e
tr
ad
itio
n
a
l
h
ar
d
war
e
FP
GA
d
ev
elo
p
m
en
t
f
lo
w
b
y
u
s
in
g
h
i
g
h
-
le
v
el
s
y
n
t
h
esi
s
to
o
ls
.
I
t
is
an
alter
n
ati
v
e
ap
p
r
o
ac
h
to
tr
ad
itio
n
al
R
T
L
d
esig
n
co
n
ce
p
t
s
u
ch
as
Ver
ilo
g
o
r
V
HDL
w
it
h
C
o
r
C
++
s
y
n
t
h
esi
s
.
Fig
u
r
e
1
illu
s
tr
ates
t
h
e
Op
en
C
L
-
b
ased
FP
G
A
ac
ce
ler
ato
r
d
ev
elo
p
m
en
t
f
lo
w
.
I
n
t
h
e
Op
en
C
L
f
r
a
m
e
w
o
r
k
f
o
r
So
C
s
p
ec
if
ica
ll
y
,
t
h
e
C
P
U,
in
o
u
r
ca
s
e,
is
th
e
AR
M
C
o
r
tex
-
A
9
ac
ts
a
s
th
e
Op
en
C
L
h
o
s
t a
n
d
it
h
as b
r
id
g
es i
n
ter
co
n
n
ec
t t
h
e
C
y
clo
n
e
V
w
h
ic
h
it ser
v
es
as
an
Op
e
n
C
L
d
e
v
ice,
f
o
r
m
i
n
g
a
h
eter
o
g
e
n
eo
u
s
co
m
p
u
ti
n
g
s
y
s
te
m
.
An
Op
e
n
C
L
co
d
e,
w
h
ic
h
is
w
r
i
tten
in
C
/C
++
li
k
e
s
y
n
tax
,
is
tr
a
n
s
lated
i
n
to
h
ar
d
w
ar
e
i
m
a
g
e,
s
u
p
p
o
r
ted
b
y
Op
en
C
L
r
u
n
ti
m
e
d
r
iv
er
.
Fu
r
t
h
er
m
o
r
e,
o
n
th
e
h
o
s
t
s
id
e
(
A
R
M)
,
C
/C
++
co
d
e
r
u
n
s
o
n
th
e
C
P
U,
p
r
o
v
id
in
g
v
e
n
d
o
r
s
p
ec
if
ic
ap
p
licatio
n
p
r
o
g
r
am
m
i
n
g
i
n
ter
f
ac
e
(
A
P
I
)
to
co
m
m
u
n
icate
w
it
h
t
h
e
i
m
p
le
m
e
n
ted
k
er
n
els
o
n
t
h
e
C
y
cl
o
n
e
V
ac
ce
ler
ato
r
.
T
h
is
w
o
r
k
u
tili
ze
s
I
n
tel
FP
G
A
f
o
r
Op
en
C
L
v
1
6
.
1
to
o
ls
et
f
o
r
co
m
p
ili
n
g
,
e
m
u
latio
n
a
n
d
p
r
o
f
ilin
g
k
er
n
els
o
n
FP
GA
.
Fig
u
r
e
1
.
Op
en
C
L
-
b
ased
FP
GA
d
ev
elo
p
m
en
t
f
lo
w
C
NN
B
asic
Op
er
atio
n
s
C
o
n
v
o
lu
tio
n
al
n
e
u
r
al
n
et
w
o
r
k
(
C
NN)
is
f
ir
s
t
in
s
p
ir
ed
b
y
th
e
v
is
u
al
co
r
tex
o
f
m
a
m
m
al
s
in
n
e
u
r
o
s
cien
ce
r
esear
c
h
.
I
t
is
a
m
ac
h
i
n
e
lear
n
i
n
g
alg
o
r
ith
m
w
ell
s
u
ited
f
o
r
b
o
th
class
i
f
icatio
n
an
d
o
b
j
ec
t
d
etec
tio
n
task
.
As
a
class
ica
l
s
u
p
er
v
i
s
ed
lear
n
in
g
al
g
o
r
ith
m
,
C
NN
ap
p
lies
a
f
ee
d
-
f
o
r
w
ar
d
s
tag
e
f
o
r
o
b
j
ec
t
class
i
f
icatio
n
o
r
d
etec
tio
n
,
w
h
er
ea
s
a
b
ac
k
w
ar
d
s
tag
e
f
o
r
tr
ain
i
n
g
.
D
u
r
in
g
tr
ain
i
n
g
,
th
e
g
r
o
u
n
d
tr
u
th
o
u
tp
u
t
s
ar
e
k
n
o
w
n
,
a
n
d
th
e
er
r
o
r
is
co
m
p
u
ted
b
et
w
ee
n
t
h
e
co
r
r
ec
t
an
d
co
m
p
u
ted
o
u
tp
u
t.
T
h
e
er
r
o
r
is
th
en
u
s
e
d
to
b
ac
k
-
p
r
o
p
ag
ate
th
r
o
u
g
h
t
h
e
n
et
w
o
r
k
.
I
n
i
n
d
u
s
tr
ial
p
r
ac
ti
ce
,
th
e
tr
ain
i
n
g
p
r
o
ce
s
s
is
u
s
u
all
y
tr
ain
ed
o
f
f
lin
e
an
d
th
e
tr
ain
ed
C
NN
n
et
w
o
r
k
w
il
l
b
e
u
s
ed
to
p
er
f
o
r
m
r
e
co
g
n
itio
n
j
o
b
s
.
Fig
u
r
e
2
s
h
o
w
s
t
h
e
ar
ch
i
tectu
r
e
o
f
T
in
y
-
YO
L
O
-
v
2
[
8
]
,
w
h
ic
h
co
n
s
is
t
s
o
f
9
co
n
v
o
lu
tio
n
a
l
la
y
er
s
,
ea
ch
w
it
h
a
leak
y
r
ec
tif
ied
li
n
ea
r
u
n
it
(
R
eL
U)
b
ased
ac
ti
v
atio
n
f
u
n
c
tio
n
an
d
b
atch
n
o
r
m
aliza
tio
n
o
p
er
atio
n
in
ter
s
p
er
s
ed
w
ith
6
m
ax
-
p
o
o
lin
g
la
y
er
s
an
d
a
r
eg
io
n
la
y
er
.
T
in
y
-
YO
L
O
-
v
2
tak
es i
n
p
u
t i
m
a
g
e
s
ize
4
1
6
x
4
1
6
to
2
0
o
u
tp
u
t c
las
s
es.
Fig
u
r
e
2
.
A
r
ch
itectu
r
e
o
f
T
in
y
-
YO
L
O
C
NN
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
Vo
l.
8
,
No
.
3
,
No
v
em
b
er
2019
: 2
0
6
–
2
1
4
208
C
o
n
v
o
lu
tio
n
al
L
a
y
er
T
h
e
co
n
v
o
lu
t
io
n
al
la
y
er
i
s
t
h
e
co
r
e
f
u
n
ctio
n
al
la
y
er
o
f
a
Dee
p
Neu
r
al
Net
w
o
r
k
ar
c
h
itect
u
r
e.
P
r
ev
io
u
s
s
t
u
d
y
[
1
2
]
p
r
o
v
ed
th
at
t
h
e
co
n
v
o
lu
tio
n
al
la
y
e
r
w
ill
o
cc
u
p
y
o
v
er
9
0
%
o
f
t
h
e
f
ee
d
-
f
o
r
w
ar
d
co
m
p
u
tatio
n
p
er
io
d
.
Hen
ce
,
in
th
i
s
w
o
r
k
,
w
e
w
ill
f
o
c
u
s
th
e
o
p
ti
m
izatio
n
o
n
t
h
e
co
n
v
o
l
u
tio
n
a
l
la
y
er
.
C
o
n
v
o
lu
tio
n
al
la
y
er
ap
p
lies
t
h
e
co
n
v
o
l
u
tio
n
o
p
er
atio
n
to
th
e
i
m
a
g
e
i
n
p
u
t
an
d
p
as
s
t
h
e
r
es
u
lt
to
th
e
n
e
x
t
la
y
er
.
T
h
e
co
n
v
o
lu
tio
n
al
o
p
er
atio
n
in
C
NN
m
o
d
el
ca
n
b
e
ex
p
r
ess
e
d
as f
o
llo
w
s
:
1
0
1
0
1
0
]
][
'
[
]
][
][
[
]
[
]
'
][
'
][
[
FW
w
FH
h
FD
d
d
h
W
X
d
h
w
n
W
h
w
n
Y
(
1)
w
h
er
e:
Y
=
Ou
tp
u
t Fea
tu
r
e
W
=
T
r
ain
ed
W
eig
h
ts
X
=
I
n
p
u
t Fea
t
u
r
e
A
cti
v
atio
n
F
u
n
ct
io
n
s
A
cti
v
atio
n
f
u
n
ctio
n
i
n
a
C
NN
ar
ch
itect
u
r
e
is
u
s
ed
to
tr
a
n
s
f
o
r
m
th
e
in
p
u
t
v
alu
e
to
th
e
o
u
tp
u
t
v
a
lu
e
b
ef
o
r
e
th
e
p
o
o
lin
g
la
y
er
.
Si
g
m
o
id
al
ac
t
iv
at
io
n
f
u
n
ctio
n
s
w
er
e
m
o
s
t
o
f
te
n
u
s
ed
i
n
C
NN
ar
e
b
o
u
n
d
ed
b
y
a
m
a
x
i
m
u
m
a
n
d
m
i
n
i
m
u
m
v
al
u
e
a
n
d
th
er
eb
y
ca
u
s
i
n
g
th
e
s
at
u
r
ated
n
e
u
r
o
n
in
h
i
g
h
er
la
y
er
s
o
f
n
eu
r
a
l
n
et
w
o
r
k
.
A
l
ter
n
ati
v
el
y
,
r
ec
ti
f
ier
li
n
ea
r
u
n
it
s
(
R
e
L
U)
h
a
v
e
b
ee
n
p
r
o
p
o
s
ed
as
an
a
ctiv
atio
n
f
u
n
ctio
n
.
L
ea
k
y
R
e
L
U
Fi
g
u
r
e
3
in
co
n
t
r
ast
to
s
i
g
m
o
id
al
f
u
n
ctio
n
s
ar
e
u
n
b
o
u
n
d
a
n
d
it
ca
n
r
ep
r
esen
t
a
n
y
n
o
n
-
n
e
g
ati
v
e
r
ea
l v
alu
e.
Fig
u
r
e
3
.
L
ea
k
y
ac
ti
v
atio
n
f
u
n
ctio
n
P
o
o
lin
g
L
a
y
er
P
o
o
lin
g
la
y
er
in
g
e
n
er
al
i
s
a
f
o
r
m
o
f
d
i
m
e
n
s
io
n
a
ll
y
r
ed
u
ctio
n
u
s
ed
i
n
C
NN.
I
t
s
g
o
al
is
to
t
h
r
o
w
a
w
a
y
u
n
n
ec
es
s
ar
y
i
n
f
o
r
m
atio
n
an
d
o
n
l
y
p
r
eser
v
e
t
h
e
m
o
s
t
cr
itical
in
f
o
r
m
atio
n
.
T
y
p
ical
p
o
o
lin
g
f
u
n
c
tio
n
s
ar
e
m
a
x
i
m
u
m
p
o
o
lin
g
an
d
av
er
ag
e
p
o
o
lin
g
la
y
er
.
Ma
x
p
o
o
l
in
g
r
etu
r
n
s
th
e
m
a
x
i
m
u
m
v
a
l
u
e
f
r
o
m
t
h
e
i
n
p
u
t,
w
h
er
e
av
er
ag
e
p
o
o
lin
g
r
etu
r
n
s
th
e
av
er
a
g
e
v
al
u
e.
T
h
e
f
o
r
m
u
l
a
o
f
m
a
x
-
p
o
o
lin
g
is
i
llu
s
tr
ated
as f
o
llo
w
i
n
g
:
}
'
,
'
:
]
'
,
;
[
m
a
x
{
]
,
[
p
j
j
j
i
i
i
j
i
S
j
i
S
(
2
)
}
'
,
'
:
]
'
,
;
[
{
]
,
[
p
j
j
j
i
i
i
j
i
S
a
v
e
r
a
g
e
j
i
S
(
3
)
B
atch
No
r
m
aliza
tio
n
B
atch
n
o
r
m
aliza
t
io
n
is
i
m
p
le
m
en
ted
i
n
th
e
co
n
v
o
lu
ti
o
n
al
la
y
er
to
p
r
o
v
id
e
an
y
lay
er
i
n
T
in
y
-
Y
OL
O
-
v
2
w
it
h
in
p
u
t
s
t
h
at
ar
e
ze
r
o
m
ea
n
/
u
n
it
v
ar
ia
n
ce
.
th
at
th
e
f
o
r
m
u
la
f
o
r
th
e
b
atch
n
o
r
m
a
lizatio
n
Sh
o
w
s
(
4
)
.
T
h
is
o
p
er
atio
n
is
ca
r
r
ied
o
u
t
af
ter
th
e
co
n
v
o
l
u
ti
o
n
o
p
er
atio
n
an
d
b
ef
o
r
e
th
e
a
ctiv
atio
n
f
u
n
ctio
n
.
T
h
e
in
p
u
t
la
y
er
is
n
o
r
m
alize
d
b
y
ad
j
u
s
ti
n
g
an
d
s
ca
li
n
g
th
e
a
ctiv
atio
n
s
.
B
atch
n
o
r
m
aliza
tio
n
allo
w
s
ea
ch
la
y
er
to
lear
n
in
m
o
r
e
i
n
d
ep
en
d
en
t
w
a
y
.
T
h
is
h
elp
s
to
r
ed
u
ce
th
e
o
v
er
f
itti
n
g
b
ec
au
s
e
it
h
as
a
s
lig
h
t
r
eg
u
la
r
izatio
n
ef
f
ec
ts
s
i
m
i
lar
to
th
e
d
r
o
p
o
u
t.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
A
s
ca
la
b
le
F
P
GA
b
a
s
ed
a
cc
el
era
to
r
fo
r
T
in
y
-
YOLO
-
v2
u
s
in
g
o
p
en
C
L
…
(
Ya
p
Ju
n
e
W
a
i
)
209
2
)
(
)
(
)
(
i
i
X
X
(
4)
w
h
er
e:
X
(i)
=
I
n
p
u
t
µ
=
Mean
σ
2
=
Var
ian
ce
=
C
o
n
s
tan
t
T
h
e
r
est
o
f
t
h
e
p
ap
er
is
o
r
g
an
ized
as
f
o
llo
w
s
.
Secti
o
n
2
p
r
esen
ts
a
d
etailed
ca
s
e
s
t
u
d
y
o
n
co
m
p
u
tatio
n
al
an
d
m
e
m
o
r
y
co
m
p
lex
i
t
y
o
f
T
in
y
-
YO
L
O
-
v
2
an
d
a
d
etailed
d
escr
ip
tio
n
o
n
th
e
p
r
o
p
o
s
ed
ac
ce
ler
ato
r
d
esig
n
u
s
in
g
Gen
er
al
Ma
tr
ix
-
Ma
tr
i
x
Mu
ltip
licat
io
n
(
GeM
M)
.
Sectio
n
3
p
r
esen
t
s
th
e
e
x
p
er
i
m
e
n
tal
r
e
s
u
l
ts
a
n
d
th
e
r
eso
u
r
ce
u
t
ilizatio
n
r
ep
o
r
t
o
f
o
u
r
C
N
N
o
b
j
ec
t
d
etec
tio
n
d
esi
g
n
a
s
ec
tio
n
4
co
n
cl
u
d
es th
e
p
ap
er
.
2.
RE
S
E
ARCH
M
E
T
H
O
D
2
.
1
.
YO
L
O
o
bje
c
t
det
ec
t
io
n
a
lg
o
rit
h
m
I
n
th
i
s
s
ec
tio
n
,
w
e
p
r
esen
t
a
d
etail
ex
p
lo
r
atio
n
o
n
t
h
e
Yo
lo
o
b
j
ec
t
d
etec
tio
n
f
r
a
m
e
w
o
r
k
.
P
r
io
r
o
b
j
ec
t
d
etec
tio
n
alg
o
r
it
h
m
r
ep
u
r
p
o
s
e
cla
s
s
i
f
ier
s
o
f
lo
ca
lizer
s
to
p
er
f
o
r
m
d
etec
tio
n
[
6
]
.
T
h
ese
class
i
f
ier
s
/
lo
ca
lizer
s
ar
e
ap
p
lied
to
an
im
a
g
e
at
m
u
ltip
le
lo
ca
tio
n
an
d
v
ar
io
u
s
s
ca
les.
Ho
w
e
v
er
,
Yo
lo
[
7
,
8
]
u
s
es
a
to
tall
y
d
if
f
er
en
t
ap
p
r
o
ac
h
to
ap
p
ly
a
s
in
g
le
co
n
v
o
l
u
tio
n
a
l
n
et
w
o
r
k
to
th
e
f
u
l
l
i
m
ag
e
a
n
d
p
r
ed
ict
m
u
ltip
le
b
o
u
n
d
i
n
g
b
o
x
es
a
n
d
class
p
r
o
b
ab
ilit
y
f
o
r
th
o
s
e
b
o
x
es.
T
h
is
m
a
k
es
Yo
lo
is
e
x
tr
e
m
el
y
f
ast
w
h
ic
h
ca
n
r
u
n
at
4
5
f
r
a
m
e
s
p
er
s
ec
o
n
d
o
n
a
T
itan
x
GP
U.
Fi
g
u
r
e
4
ill
u
s
tr
ated
h
o
w
o
b
j
ec
t d
etec
tio
n
task
i
s
r
ef
r
a
m
ed
as so
m
e
s
i
n
g
le
r
eg
r
ess
io
n
p
r
o
b
lem
s
tr
aig
h
t
f
o
r
m
i
m
a
g
e
p
i
x
els
to
b
o
u
n
d
i
n
g
b
o
x
co
o
r
d
in
ates
a
n
d
clas
s
p
r
o
b
ab
ilit
ies.
T
h
e
in
p
u
t
i
m
a
g
e
is
d
iv
id
ed
i
n
to
S×
S
g
r
id
.
E
ac
h
g
r
id
ce
ll
p
r
ed
icts
B
b
o
u
n
d
i
n
g
b
o
x
es,
co
n
f
id
e
n
ce
f
o
r
th
o
s
e
b
o
x
es
a
n
d
C
cla
s
s
p
r
o
b
a
b
ilit
ies.
T
h
ese
p
r
ed
ic
tio
n
s
ar
e
en
co
d
ed
as a
n
S
S×(
B
*
5
+
C)
.
Fig
u
r
e
4
.
YOL
O
o
b
j
ec
t D
=d
etec
tio
n
a
lg
o
r
it
h
m
2
.
2
.
Ana
ly
s
is
o
f
c
o
m
p
uta
t
io
na
l c
o
m
p
lex
it
y
o
f
T
iny
-
YO
L
O
-
v2
I
n
t
h
is
s
ec
tio
n
,
w
e
p
r
ese
n
t
an
a
n
al
y
s
i
s
o
n
t
h
e
co
m
p
u
tatio
n
a
l
co
m
p
le
x
it
y
a
n
d
t
h
e
m
e
m
o
r
y
r
eq
u
ir
e
m
en
t
o
f
T
in
y
YO
L
O
-
v
2
.
I
n
co
n
v
o
lu
tio
n
al
la
y
er
,
ea
c
h
i
n
p
u
t
f
ea
tu
r
e
m
ap
i
s
co
n
v
o
l
v
ed
w
it
h
a
s
lid
i
n
g
w
i
n
d
o
w
/
f
ilter
w
it
h
s
ize
K×
K,
w
h
ic
h
r
es
u
lti
n
g
i
n
a
H
ou
t
×
W
out
o
u
tp
u
t
f
ea
t
u
r
e
m
ap
.
T
h
e
n
u
m
b
er
o
f
i
n
p
u
t
a
n
d
o
u
tp
u
t
i
s
N
in
,
N
out
r
esp
ec
ti
v
el
y
.
No
tice
t
h
at
ea
c
h
p
i
x
el
i
n
an
o
u
tp
u
t
f
ea
t
u
r
e
m
ap
is
t
h
e
r
esu
l
t
o
f
ad
d
itio
n
o
f
Nin
p
ix
el
s
th
a
t
r
eq
u
ir
es
K
×
K
o
f
m
u
ltip
licatio
n
s
an
d
ad
d
itio
n
s
o
p
er
atio
n
s
.
T
h
e
to
tal
a
m
o
u
n
t
o
f
o
p
er
atio
n
s
in
co
n
v
o
l
u
tio
n
la
y
er
ca
n
b
e
ap
p
r
o
x
im
a
tel
y
ca
lc
u
lated
as
s
h
o
w
n
i
n
(
5
)
.
No
ted
t
h
at,
t
h
i
s
eq
u
at
io
n
i
g
n
o
r
es
n
u
m
b
er
o
f
o
p
er
atio
n
s
f
o
r
th
e
b
atch
n
o
r
m
aliza
tio
n
a
n
d
leak
y
a
ctiv
atio
n
f
o
r
ea
ch
la
y
er
.
.
2
#
W
o
u
t
H
o
u
t
N
o
u
t
K
K
N
i
n
O
p
e
r
a
t
i
o
n
s
(
5)
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
Vo
l.
8
,
No
.
3
,
No
v
em
b
er
2019
: 2
0
6
–
2
1
4
210
T
h
e
m
e
m
o
r
y
r
eq
u
ir
e
m
e
n
t
i
s
d
escr
ib
ed
w
it
h
s
p
ac
e
co
m
p
le
x
it
y
.
T
h
e
m
ai
n
p
ar
a
m
eter
i
n
th
e
T
in
y
YOL
O
-
v
2
is
t
h
e
w
ei
g
h
t
w
h
ic
h
is
u
s
ed
in
t
h
e
co
n
v
o
lu
tio
n
al
la
y
er
.
T
h
e
n
u
m
b
er
o
f
w
e
ig
h
t
i
n
th
e
co
n
v
o
l
u
tio
n
a
l
la
y
er
ca
n
b
e
ex
p
r
ess
e
s
as:
.
#
N
o
u
t
K
K
N
i
n
W
e
i
g
h
t
s
(
6)
B
o
th
co
m
p
u
tatio
n
al
co
m
p
le
x
it
y
an
d
m
e
m
o
r
y
r
eq
u
ir
e
m
e
n
t
f
o
r
9
lay
er
s
o
f
co
n
v
o
lu
tio
n
al
la
y
er
o
f
T
in
y
-
YO
L
O
-
v
2
is
s
u
m
m
ar
ized
in
T
ab
le
1
.
No
ted
th
at,
T
in
y
-
Y
OL
O
-
v
2
ta
k
es
ap
p
r
o
x
im
atel
y
7
.
3
b
illi
o
n
o
p
er
atio
n
s
w
it
h
1
5
m
ill
io
n
o
f
w
ei
g
h
ts
j
u
s
t f
o
r
o
n
e
i
m
a
g
e
i
n
p
u
t.
T
ab
le
1
.
T
in
y
-
YO
L
O
-
v
2
c
o
n
f
i
g
u
r
atio
n
s
L
a
y
e
r
I
n
p
u
t
O
u
t
p
u
t
#
O
p
e
r
a
t
i
o
n
s
#
W
e
i
g
h
t
s
N
i
n
H
i
n
W
i
n
K
N
o
u
t
H
o
u
t
W
o
u
t
1
3
4
1
6
4
1
6
3
16
4
1
6
4
1
6
1
4
9
,
5
2
0
,
3
8
4
4
3
2
2
16
2
0
8
2
0
8
3
32
2
0
8
2
0
8
3
9
8
,
7
2
1
,
0
2
4
4
,
6
0
8
3
32
1
0
4
1
0
4
3
64
1
0
4
1
0
4
3
9
8
,
7
2
1
,
0
2
4
1
8
,
4
3
2
4
64
52
52
3
1
2
8
52
52
3
9
8
,
7
2
1
,
0
2
4
7
3
,
7
2
8
5
1
2
8
26
26
3
2
5
6
26
26
3
9
8
,
7
2
1
,
0
2
4
2
9
4
,
9
1
2
6
2
5
6
13
13
3
5
1
2
13
13
3
9
8
,
7
2
1
,
0
2
4
1
,
1
7
9
,
5
9
2
7
5
1
2
13
13
3
1
0
2
4
13
13
1
,
5
9
4
8
8
4
,
0
9
6
4
,
7
1
8
,
5
9
2
8
1
0
2
4
13
13
3
1
0
2
4
13
13
3
,
1
8
9
,
7
6
8
,
1
9
2
9
,
4
3
8
,
1
8
4
9
1
0
2
4
13
13
3
1
2
5
13
13
4
3
,
2
6
4
,
4
0
0
1
2
8
,
0
0
0
2
.
3
.
I
m
ple
m
e
nta
t
io
n o
f
3
D
c
o
nv
o
lutio
n
a
s
G
eM
M
C
NN
e
m
p
lo
y
s
a
f
ee
d
f
o
r
w
ar
d
p
r
o
ce
s
s
f
o
r
o
b
j
ec
t
d
etec
tio
n
,
in
v
o
lv
in
g
b
illi
o
n
s
o
f
m
u
ltip
licatio
n
an
d
ad
d
itio
n
o
p
er
atio
n
s
.
No
ted
th
at
th
e
co
n
v
o
l
u
tio
n
o
p
er
atio
n
ess
en
tial
l
y
p
er
f
o
r
m
s
m
u
ltip
licatio
n
an
d
ac
cu
m
u
la
te
o
p
er
atio
n
s
b
et
w
ee
n
t
h
e
f
il
ter
s
an
d
lo
ca
l
r
eg
io
n
s
o
f
i
n
p
u
t.
T
o
tak
e
ad
v
an
ta
g
e
o
f
t
h
is
,
w
e
i
m
p
le
m
e
n
ted
Ge
MM
b
a
s
e
d
co
n
v
o
lu
tio
n
l
ik
e
[
1
1
,
1
3
]
.
I
n
f
ac
t,
Ge
MM
b
ased
co
n
v
o
lu
ti
o
n
ap
p
r
o
ac
h
is
al
s
o
b
ee
n
p
r
ac
ticed
in
GP
U
b
ase
d
ac
ce
ler
a
to
r
f
o
r
C
NN
cla
s
s
i
f
icatio
n
[
1
,
2]
an
d
o
b
j
ec
t
d
e
tectio
n
ta
s
k
[
7
,
8
]
.
Fig
u
r
e
5
s
h
o
w
s
th
a
t
h
o
w
th
e
f
ir
s
t
la
y
er
o
f
co
n
v
o
l
u
tio
n
la
y
er
(
3
D)
is
f
latten
i
n
g
a
n
d
r
ea
r
r
an
g
ed
v
er
ticall
y
i
n
to
a
2
D
m
a
tr
ix
th
r
o
u
g
h
i
m
2
co
l
p
r
o
ce
s
s
.
Fo
r
ex
a
m
p
l
e,
th
e
d
i
m
e
n
s
io
n
o
f
t
h
e
in
p
u
t
la
y
er
f
o
r
T
in
y
-
Y
OL
O
-
v
2
i
s
4
1
6
×4
1
6
×
3
(
Hin
×
W
in
N
i
n
)
a
n
d
t
h
e
s
iz
e
o
f
k
er
n
e
l
i
s
3
×3
(
K×
K)
.
T
h
e
I
m
2
C
o
l
o
p
er
atio
n
f
latte
n
3
D
in
p
u
t
la
y
er
d
i
m
en
s
io
n
(
416
×4
1
6
×
3
)
an
d
r
ea
r
r
a
n
g
e
v
er
ticall
y
i
n
to
a
2
D
m
a
tr
ix
o
f
d
i
m
e
n
s
io
n
416
×4
1
6
×3
×
3
×
3.
Fig
u
r
e
5
.
I
m
2
C
o
l
o
p
er
atio
n
No
tice
th
at
th
e
i
m
2
co
l
o
p
er
atio
n
co
m
es
at
t
h
e
co
s
t.
I
t
ca
u
s
e
s
th
e
e
x
p
an
s
io
n
in
m
e
m
o
r
y
s
ize
if
t
h
e
s
tr
id
e
i
s
s
m
aller
t
h
an
th
e
k
er
n
el
s
ize
as
p
i
x
els
ar
e
o
v
er
lap
p
in
g
an
d
d
u
p
licated
in
t
h
e
m
atr
i
x
.
T
h
e
ex
p
an
s
io
n
o
f
m
e
m
o
r
y
in
cr
ea
s
es
th
e
m
e
m
o
r
y
r
eq
u
ir
e
m
en
t
to
s
to
r
e
th
e
r
ea
r
r
an
g
ed
in
p
u
t
f
ea
t
u
r
e
m
atr
ix
.
Hen
ce
,
w
e
p
r
o
p
o
s
ed
th
e
p
s
e
u
d
o
co
d
e
as
s
h
o
w
n
in
Fig
u
r
e
6
to
p
e
r
f
o
r
m
t
h
e
i
m
2
co
l
o
p
er
atio
n
o
n
-
t
h
e
-
f
l
y
b
y
s
to
r
in
g
th
e
co
r
r
esp
o
n
d
i
n
g
p
i
x
els
i
n
to
FP
G
A
’
s
lo
c
al
m
e
m
o
r
y
b
ef
o
r
e
th
e
m
at
r
ix
m
u
ltip
lica
tio
n
.
I
m
p
le
m
e
n
tatio
n
o
f
c
o
n
v
o
lu
t
io
n
as Ge
MM
a
s
h
o
w
n
i
n
Fi
g
u
r
e
7
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
A
s
ca
la
b
le
F
P
GA
b
a
s
ed
a
cc
el
era
to
r
fo
r
T
in
y
-
YOLO
-
v2
u
s
in
g
o
p
en
C
L
…
(
Ya
p
Ju
n
e
W
a
i
)
211
Fig
u
r
e
6
.
P
s
eu
d
o
co
d
e
I
m
2
C
o
l
o
n
-
f
l
y
Fig
u
r
e
7
.
I
m
p
le
m
e
n
tatio
n
o
f
c
o
n
v
o
l
u
tio
n
as Ge
MM
T
h
e
w
e
ig
h
ts
o
f
th
e
co
n
v
o
lu
tio
n
la
y
er
ar
e
also
s
tr
etch
ed
o
u
t
in
to
r
o
w
s
.
As
an
ex
a
m
p
le,
F
ig
u
r
e
7
ill
u
s
tr
ates
t
h
at
co
n
v
o
lu
tio
n
ca
n
b
e
d
o
n
e
b
y
p
e
r
f
o
r
m
i
n
g
o
n
e
lar
g
e
m
atr
i
x
-
m
atr
ix
m
u
ltip
licatio
n
[
s
ize
x
s
ize]
.
T
h
e
p
s
eu
d
o
co
d
e
f
o
r
th
e
m
atr
ix
m
u
ltip
licat
io
n
-
b
ased
co
n
v
o
lu
tio
n
i
n
o
u
r
p
r
o
p
o
s
ed
d
esig
n
is
s
h
o
w
n
in
F
i
g
u
r
e
8
.
T
o
ac
ce
l
er
ate
th
e
GeM
M
o
p
er
atio
n
,
tw
o
s
ca
lab
le
d
esig
n
p
ar
a
m
eter
s
B
L
OC
K_
SI
Z
E
an
d
SIM
D
v
ec
to
r
izatio
n
f
ac
to
r
is
in
tr
o
d
u
ce
d
.
SIM
D
i
s
r
ep
r
esen
tin
g
t
h
e
f
ac
to
r
b
y
w
h
ic
h
d
ata
ar
e
v
ec
to
r
ized
an
d
ex
ec
u
ted
i
n
SIM
D
m
a
n
n
er
.
T
h
is
p
ar
am
e
ter
is
s
ca
lab
le
d
ep
en
d
s
o
n
th
e
r
eso
u
r
ce
s
av
ailab
le
i
n
FP
G
A
.
T
h
e
p
er
f
o
r
m
a
n
ce
o
f
t
h
e
o
b
j
ec
t
d
etec
tio
n
is
d
eter
m
in
ed
b
y
c
h
o
o
s
in
g
a
n
ap
p
r
o
p
r
iate
o
f
SIM
D
an
d
B
L
OC
K_
SI
Z
E
f
ac
to
r
.
Fig
u
r
e
8
.
P
s
eu
d
o
co
d
e
o
f
p
r
o
p
o
s
ed
GeM
M
co
n
v
o
lu
t
io
n
2
.
4
.
Da
t
a
prepro
ce
s
s
ing
A
cc
o
r
d
in
g
to
(
4
)
,
p
ar
t
o
f
t
h
e
co
m
p
u
ta
tio
n
in
b
at
ch
n
o
r
m
aliza
t
io
n
in
v
o
lv
e
s
d
iv
i
s
io
n
.
Ho
w
e
v
er
,
d
iv
i
s
io
n
o
p
er
ato
r
s
ar
e
v
er
y
e
x
p
en
s
iv
e
to
i
m
p
le
m
en
t
i
n
FP
G
As
a
n
d
m
i
g
h
t
d
eg
r
ad
e
k
er
n
el
p
er
f
o
r
m
a
n
ce
[
1
4
]
.
I
n
ad
d
itio
n
,
th
e
i
m
p
le
m
e
n
tatio
n
o
f
d
iv
is
io
n
r
eq
u
ir
e
s
a
s
i
g
n
if
ican
t
a
m
o
u
n
t
o
f
h
ar
d
w
ar
e
r
eso
u
r
ce
s
.
Si
n
ce
T
in
y
-
YO
L
O
-
v
2
ap
p
lies
a
f
ee
d
f
o
r
w
ar
d
p
r
o
ce
s
s
f
o
r
o
b
j
ec
t
d
etec
tio
n
an
d
a
b
ac
k
w
ar
d
p
at
h
f
o
r
tr
ain
i
n
g
.
T
h
e
n
e
t
w
o
r
k
is
co
m
m
o
n
l
y
tr
ai
n
ed
o
f
f
li
n
e
an
d
t
h
e
p
ar
am
eter
s
o
f
σ
a
n
d
β
ar
e
to
b
e
lear
n
ed
d
u
r
in
g
th
e
tr
ain
i
n
g
p
r
o
ce
s
s
an
d
th
es
e
v
alu
e
s
ar
e
o
n
l
y
lo
ad
o
n
ce
d
u
r
in
g
th
e
i
n
f
er
e
n
ce
p
r
o
ce
s
s
.
Hen
ce
,
it
is
m
o
r
e
r
ea
s
o
n
ab
le
o
f
f
lo
ad
t
h
e
d
iv
is
i
o
n
o
p
er
atio
n
to
t
h
e
h
o
s
t
p
r
o
ce
s
s
o
r
an
d
t
h
e
n
p
as
s
t
h
e
r
es
u
lt
a
s
a
n
ar
g
u
m
e
n
t
to
th
e
k
er
n
e
l.
He
n
ce
,
t
h
e
(
4
)
ab
o
v
e
i
s
s
l
ig
h
tl
y
m
o
d
if
ied
as
s
h
o
w
n
in
(
7
)
.
T
o
av
o
id
th
e
r
ed
u
n
d
an
c
y
an
d
h
ar
d
w
ar
e
r
eso
u
r
ce
-
i
n
te
n
s
i
v
e
o
p
er
atio
n
(
d
iv
is
io
n
)
,
t
h
e
f
o
llo
w
i
n
g
ca
lc
u
latio
n
f
o
r
v
al
u
e
β
is
p
er
f
o
r
m
ed
in
th
e
h
o
s
t
ap
p
licatio
n
an
d
th
e
n
β
i
s
p
ass
ed
to
th
e
k
er
n
el
as
a
n
ar
g
u
m
e
n
t
f
o
r
all
w
o
r
k
-
ite
m
s
in
ND
R
a
n
g
e
to
u
s
e.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
Vo
l.
8
,
No
.
3
,
No
v
em
b
er
2019
: 2
0
6
–
2
1
4
212
)
(
)
(
)
(
i
i
X
X
(
7)
w
h
er
e:
√
3.
RE
SU
L
T
S
A
ND
AN
AL
Y
SI
S
I
n
t
h
is
s
ec
tio
n
,
w
e
f
ir
s
t
p
r
es
en
t
t
h
e
v
alid
atio
n
r
es
u
lt
s
o
f
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
d
ev
elo
p
ed
u
s
i
n
g
Op
en
C
L
1
6
.
1
I
n
tel
FP
GA
SD
K
HL
S
to
ac
ce
ler
ate
th
e
lar
g
e
-
s
ca
le
C
N
N
-
b
a
s
ed
o
b
j
ec
t
d
etec
tio
n
alg
o
r
it
h
m
:
T
in
y
-
Y
OL
O
-
v
2
o
n
FP
GA
b
o
ar
d
.
T
h
e
h
ar
d
w
ar
e
s
p
ec
i
f
ic
at
io
n
o
f
th
e
C
y
clo
n
e
V
b
o
ar
d
is
s
u
m
m
ar
ized
in
T
ab
le
2
.
T
ab
le
2
.
Har
w
ar
e
s
p
ec
i
f
icatio
n
o
f
FP
G
A
b
o
ar
d
S
p
e
c
i
f
i
c
a
t
i
o
n
D
e
1
S
o
C
B
o
a
r
d
F
P
G
A
C
y
c
l
o
n
e
V
5
C
S
EM
A
5
F
3
1
C
6
H
P
S
D
u
a
l
C
o
r
e
A
R
M
C
o
r
t
e
x
t
-
A9
L
o
g
i
c
El
e
me
n
t
8
5
k
R
A
M
B
l
o
c
k
s
3
9
7
D
S
P
B
l
o
c
k
s
87
Ex
t
e
r
n
a
l
M
e
mo
r
y
1
G
B
D
D
R
3
Seco
n
d
l
y
,
th
e
b
est
p
er
f
o
r
m
a
n
c
e
f
o
r
th
e
r
u
n
ti
m
e
u
s
ed
th
e
p
ar
a
m
eter
co
n
f
ig
u
r
atio
n
B
L
OC
K
_
SIZ
E
=
16
an
d
SIM
D
=
2
.
No
te
th
at
it
is
t
h
e
b
est
co
n
f
i
g
u
r
atio
n
f
o
r
De1
So
C
to
f
it
f
o
r
b
est
p
er
f
o
r
m
a
n
c
e,
as
lo
g
ic
r
eso
u
r
ce
is
v
er
y
li
m
ited
.
T
h
e
r
eso
u
r
ce
u
tili
za
tio
n
o
f
p
r
o
p
o
s
ed
ar
ch
itect
u
r
e
i
s
s
u
m
m
ar
i
ze
d
in
T
ab
le
3
.
A
cc
o
r
d
in
g
to
th
e
r
ep
o
r
t,
w
e
ca
n
tell
th
at
o
u
r
p
r
o
p
o
s
ed
ar
ch
ite
ct
u
r
e
h
as
al
m
o
s
t
u
ti
lize
d
all
th
e
av
ailab
le
FP
GA’
s
h
ar
d
w
ar
e
r
eso
u
r
ce
.
T
ab
le
3
.
R
eso
u
r
ce
u
tili
za
tio
n
R
e
so
u
r
c
e
A
v
a
i
l
a
b
l
e
U
se
d
U
t
i
l
i
z
a
t
i
o
n
L
o
g
i
c
(
A
M
s)
3
2
0
7
0
2
9
1
8
6
9
1
%
R
A
M
s
3
9
7
3
9
1
9
8
%
D
S
P
s
87
87
1
0
0
%
T
h
e
ex
ec
u
tio
n
ti
m
e
o
f
t
h
e
C
NN
la
y
er
s
i
n
T
in
y
-
YO
L
O
-
v
2
i
m
p
le
m
en
ted
o
n
De1
So
C
is
illu
s
tr
ated
in
Fi
g
u
r
e
9
.
I
t
is
n
o
ted
th
at
t
h
e
f
i
n
al
clas
s
i
f
icatio
n
ti
m
e
w
i
th
o
u
t
k
er
n
el
p
r
o
f
ili
n
g
w
ill
b
e
s
ig
n
i
f
ica
n
tl
y
lo
w
er
as
s
h
o
w
n
i
n
Fig
u
r
e
9
d
u
e
to
th
e
d
ela
y
i
n
v
o
lv
ed
in
g
e
n
er
at
in
g
t
h
e
p
r
o
f
il
in
g
r
ep
o
r
t.
T
h
e
t
o
tal
d
etec
tio
n
ti
m
e
p
er
im
a
g
e
u
s
i
n
g
t
h
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e
is
1
.
4
0
s
ec
o
n
d
,
ac
h
iev
in
g
ar
o
u
n
d
5
.
2
GFL
OP
s
t
h
r
o
u
g
h
p
u
t
o
n
De1
So
C
.
I
t
i
s
e
x
p
ec
ted
t
h
at
t
h
e
p
r
o
p
o
s
ed
ar
ch
i
tectu
r
e
ca
n
ac
h
ie
v
e
m
u
c
h
h
i
g
h
er
th
r
o
u
g
h
p
u
t
o
n
o
th
er
lar
g
e
-
s
ca
le
FP
G
A
b
o
ar
d
s
: Str
atix
an
d
A
r
ia
FP
G
A
b
o
ar
d
.
Fig
u
r
e
9
.
P
s
eu
d
o
co
d
e
o
f
p
r
o
p
o
s
ed
GeM
M
co
n
v
o
lu
t
io
n
T
h
ir
d
ly
,
w
e
p
r
esen
t
o
n
t
h
e
h
o
w
d
ata
p
r
ep
r
o
ce
s
s
in
g
m
e
n
tio
n
ed
in
p
r
e
v
io
u
s
s
ec
t
io
n
w
ill
h
el
p
to
u
ti
liz
e
th
e
h
ar
d
w
ar
e
r
eso
u
r
ce
s
o
n
FP
GA
.
As
w
e
m
e
n
tio
n
ed
,
De1
So
C
b
o
ar
d
h
as
li
m
i
ted
av
ailab
le
h
ar
d
w
ar
e
r
eso
u
r
ce
s
to
i
m
p
le
m
e
n
t
lar
g
e
s
ca
le
C
N
N
-
b
ased
o
b
j
ec
t
d
etec
tio
n
alg
o
r
ith
m
s
u
ch
a
s
T
in
y
-
Yo
lo
-
v
2
.
Hen
ce
,
b
y
m
o
d
i
f
y
i
ng
th
e
eq
u
atio
n
lis
ted
i
n
(
4
)
in
to
(
7
)
to
o
f
f
lo
ad
p
ar
t
o
f
ex
p
en
s
iv
e
co
m
p
u
tatio
n
o
p
er
atio
n
s
s
u
ch
a
s
d
iv
i
s
io
n
a
n
d
m
o
d
u
l
u
s
to
b
e
d
o
n
e
in
h
o
s
t
p
r
o
g
r
am
h
e
lp
s
to
s
av
e
u
p
t
o
1
1
%
lo
g
ic
elem
e
n
t
co
n
s
u
m
p
tio
n
.
T
h
is
lead
s
to
s
ig
n
if
ica
n
t
i
m
p
r
o
v
e
m
e
n
t
t
o
th
e
o
b
j
ec
t
d
etec
tio
n
p
e
r
f
o
r
m
an
ce
,
as
m
o
r
e
r
eso
u
r
ce
s
ca
n
b
e
u
s
ed
to
f
u
r
th
er
s
ca
le
u
p
t
h
e
p
r
o
p
o
s
ed
ar
ch
itectu
r
e.
T
h
e
h
ar
d
w
ar
e
r
eso
u
r
c
e
u
tili
za
t
io
n
u
s
i
n
g
d
ata
p
r
ep
r
o
ce
s
s
in
g
ap
p
r
o
ac
h
is
s
u
m
m
ar
ize
i
n
T
ab
le
4
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
I
SS
N:
2089
-
4864
A
s
ca
la
b
le
F
P
GA
b
a
s
ed
a
cc
el
era
to
r
fo
r
T
in
y
-
YOLO
-
v2
u
s
in
g
o
p
en
C
L
…
(
Ya
p
Ju
n
e
W
a
i
)
213
T
ab
le
4
.
R
eso
u
r
ce
u
tili
za
tio
n
u
s
i
n
g
d
ata
p
r
ep
r
o
ce
s
s
in
g
R
e
so
u
r
c
e
(
4
)
(
7
)
U
t
i
l
i
z
a
t
i
o
n
L
o
g
i
c
(
A
M
s)
9
7
%
8
8
%
1
1
%
A
L
U
T
s
6
0
%
5
4
%
6%
F
F
s
4
2
%
3
8
%
4%
R
A
M
s
1
0
1
%
8
8
%
1
3
%
D
S
P
s
9
3
%
8
4
%
9%
Fig
u
r
e
1
0
s
h
o
w
s
th
e
d
es
ig
n
s
p
ac
e
ex
p
lo
r
atio
n
f
o
r
T
in
y
-
YO
L
O
-
v
2
m
o
d
el
o
n
De1
So
C
.
I
t
s
h
o
w
s
th
a
t
th
e
r
eso
u
r
ce
u
tili
za
tio
n
i
n
cr
e
ases
ar
o
u
n
d
1
0
%
w
h
e
n
w
e
in
cr
ea
s
e
t
h
e
B
L
OC
K_
SI
Z
E
p
ar
am
eter
i
n
s
ca
le
o
f
m
u
ltip
le
4
.
A
t
th
e
s
a
m
e
ti
m
e,
th
e
ex
ec
u
tio
n
ti
m
e
to
in
f
er
en
ce
o
n
in
p
u
t
i
m
ag
e
i
s
i
m
p
r
o
v
ed
f
r
o
m
4
.
1
6
s
to
1
.
4
0
s
b
y
i
n
cr
ea
s
i
n
g
t
h
e
B
L
OC
K_
SI
Z
E
p
ar
a
m
eter
s
.
C
u
r
r
en
tl
y
,
d
u
e
to
t
h
e
l
i
m
i
te
d
h
ar
d
w
ar
e
r
eso
u
r
ce
o
n
De1
So
C
,
B
L
OC
K_
SIZ
E
=
3
2
an
d
SIM
D
=
4
is
to
o
lar
g
e
to
f
it
in
th
e
FP
G
A
d
ev
ice
a
n
d
is
n
o
t
r
ep
o
r
ted
.
A
ll
th
e
o
b
j
ec
t
in
t
h
e
i
m
ag
e
i
s
co
r
r
ec
tly
d
etec
ted
w
it
h
o
u
t
h
u
r
tin
g
t
h
e
d
etec
tio
n
ac
c
u
r
ac
y
w
h
e
n
th
e
p
r
o
p
o
s
ed
ar
ch
ite
ct
u
r
e
is
s
ca
led
f
r
o
m
B
L
OC
K_
SI
Z
E
=4
to
B
L
OC
K_
SI
Z
E
=1
6
.
Fig
u
r
e
1
0
.
Desig
n
s
p
ac
e
ex
p
lo
r
atio
n
4.
CO
NCLU
SI
O
N
I
n
th
is
w
o
r
k
,
w
e
i
m
p
le
m
e
n
ted
GE
MM
b
ased
co
n
v
o
l
u
tio
n
m
eth
o
d
f
o
r
co
n
v
o
lu
tio
n
al
n
eu
r
a
l
n
et
w
o
r
k
o
b
j
ec
t
d
etec
tio
n
alg
o
r
ith
m
:
T
in
y
-
Y
OL
O
-
v
2
.
W
e
th
e
n
p
r
esen
t
in
-
d
ep
th
a
n
al
y
s
i
s
o
n
T
in
y
-
YO
L
O
-
v
2
co
m
p
u
tatio
n
al
an
d
m
e
m
o
r
y
co
m
p
le
x
it
y
.
W
e
also
im
p
le
m
e
n
ted
im
2
co
l
o
p
er
atio
n
s
o
n
-
f
l
y
d
u
r
in
g
d
ata
f
etch
i
n
g
s
tag
e
i
n
k
er
n
el.
Fin
al
l
y
,
w
e
r
ea
lize
th
e
i
m
p
le
m
e
n
tat
io
n
th
e
f
ir
s
t
C
NN
-
b
ased
o
b
j
ec
t
d
etec
tio
n
alg
o
r
it
h
m
o
n
De1
So
C
.
ACK
NO
WL
E
D
G
E
M
E
NT
S
Au
t
h
o
r
s
w
o
u
ld
li
k
e
to
t
h
a
n
k
Un
i
v
er
s
iti
T
ek
n
i
k
al
Ma
la
y
s
ia
Me
lak
a
(
UT
eM
)
an
d
S
KI
M
Z
a
m
ala
h
f
o
r
s
u
p
p
o
r
tin
g
th
i
s
r
esear
ch
RE
F
E
R
E
NC
E
S
[1
]
Kriz
h
e
v
sk
y
,
A
.
,
S
u
tsk
e
v
e
r,
I.
a
n
d
Hin
to
n
,
G
.
E.
“
I
m
a
g
e
n
e
t
c
las
si
f
ic
a
ti
o
n
w
it
h
d
e
e
p
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
s,”
In
Ad
v
a
n
c
e
s in
n
e
u
r
a
l
i
n
fo
rm
a
ti
o
n
p
r
o
c
e
ss
in
g
sy
ste
ms
,
p
p
.
1
0
9
7
-
1
1
0
5
,
2
0
1
2
.
[2
]
S
im
o
n
y
a
n
,
K.
a
n
d
Zi
ss
e
r
m
a
n
,
A.
“
V
e
ry
d
e
e
p
c
o
n
v
o
lu
ti
o
n
a
l
n
e
tw
o
rk
s
f
o
r
larg
e
-
sc
a
l
e
i
m
a
g
e
re
c
o
g
n
it
io
n
,
”
a
rXiv
p
re
p
rin
t
a
rXiv:1
4
0
9
.
1
5
5
6
,
2
0
1
4
.
[3
]
Ka
rp
a
th
y
,
A
.
,
T
o
d
e
rici,
G
.
,
S
h
e
tt
y
,
S
.
,
L
e
u
n
g
,
T
.
,
S
u
k
th
a
n
k
a
r,
R.
a
n
d
F
e
i
-
F
e
i,
L
.
“
Larg
e
-
sc
a
le
v
id
e
o
c
las
sif
i
c
a
ti
o
n
w
it
h
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
s,”
In
Pro
c
e
e
d
in
g
s
o
f
t
h
e
IEE
E
c
o
n
fer
e
n
c
e
o
n
Co
mp
u
ter
Vi
si
o
n
a
n
d
Pa
tt
e
r
n
Rec
o
g
n
it
io
n
,
p
p
.
1
7
2
5
-
1
7
3
2
,
2
0
1
4
.
[4
]
L
a
i,
S
.
,
X
u
,
L
.
,
L
iu
,
K.
a
n
d
Zh
a
o
,
J.
“
Re
c
u
rre
n
t
C
o
n
v
o
l
u
ti
o
n
a
l
Ne
u
ra
l
Ne
tw
o
rk
s
f
o
r
T
e
x
t
Clas
si
f
ic
a
ti
o
n
,
”
In
AAAI
,
V
o
l
.
3
3
3
,
p
p
.
2
2
6
7
-
2
2
7
3
,
2
0
1
5
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
9
-
4864
I
n
t J
R
ec
o
n
f
i
g
u
r
ab
le
&
E
m
b
ed
d
ed
Sy
s
t
Vo
l.
8
,
No
.
3
,
No
v
em
b
er
2019
: 2
0
6
–
2
1
4
214
[5
]
A
b
d
e
l
-
Ha
m
id
,
O.,
M
o
h
a
m
e
d
,
A
.
R.
,
Jia
n
g
,
H.,
De
n
g
,
L
.
,
P
e
n
n
,
G
.
a
n
d
Yu
,
D.
“
C
o
n
v
o
l
u
ti
o
n
a
l
n
e
u
r
a
l
n
e
tw
o
rk
s
f
o
r
sp
e
e
c
h
re
c
o
g
n
it
io
n
,
”
IE
EE
/A
C
M
T
ra
n
sa
c
ti
o
n
s
o
n
a
u
d
i
o
,
sp
e
e
c
h
,
a
n
d
la
n
g
u
a
g
e
p
ro
c
e
ss
in
g
,
22
(
1
0
)
,
p
p
.
1
5
3
3
-
1
5
4
5
,
2
0
1
4
.
[6
]
Re
n
,
S
.
,
He
,
K.,
G
irsh
ick
,
R.
a
n
d
S
u
n
,
J.
“
F
a
ste
r
r
-
c
n
n
:
T
o
w
a
rd
s
re
a
l
-
ti
m
e
o
b
jec
t
d
e
tec
ti
o
n
w
it
h
re
g
io
n
p
ro
p
o
sa
l
n
e
tw
o
rk
s,” In
Ad
v
a
n
c
e
s i
n
n
e
u
r
a
l
in
f
o
rm
a
ti
o
n
p
ro
c
e
ss
in
g
sy
ste
ms
,
p
p
.
9
1
-
9
9
,
2
0
1
5
.
[7
]
Re
d
m
o
n
,
J.,
Div
v
a
la,
S
.
,
G
irsh
ick
,
R.
a
n
d
F
a
rh
a
d
i,
A
.
“
Yo
u
o
n
ly
lo
o
k
o
n
c
e
:
Un
if
ied
,
re
a
l
-
ti
m
e
o
b
jec
t
d
e
tec
ti
o
n
,
”
In
Pro
c
e
e
d
i
n
g
s
o
f
t
h
e
IEE
E
c
o
n
fe
re
n
c
e
o
n
c
o
mp
u
ter
v
isio
n
a
n
d
p
a
t
ter
n
re
c
o
g
n
it
io
n
,
p
p
.
7
7
9
-
7
8
8
,
2
0
1
6
.
[8
]
Re
d
m
o
n
,
J.
a
n
d
F
a
rh
a
d
i
,
“
A
.
YO
L
O9
0
0
0
:
b
e
tt
e
r,
f
a
ste
r,
stro
n
g
e
r,
”
a
rXiv p
re
p
ri
n
t
,
2
0
1
7
.
[9
]
W
a
n
g
,
D.,
A
n
,
J.
a
n
d
Xu
,
K.
“
P
i
p
e
CNN
:
A
n
Op
e
n
CL
-
Ba
se
d
F
P
G
A
A
c
c
e
lera
to
r
f
o
r
L
a
r
g
e
-
S
c
a
l
e
Co
n
v
o
lu
ti
o
n
Ne
u
ro
n
Ne
tw
o
rk
s.”
a
rXiv p
re
p
rin
t
a
rXiv:1
6
1
1
.
0
2
4
5
0
,
2
0
1
6
.
[1
0
]
Zh
a
n
g
,
C.
,
L
i,
P
.
,
S
u
n
,
G
.
,
G
u
a
n
,
Y.,
X
iao
,
B.
a
n
d
Co
n
g
,
J.
“
Op
ti
m
izin
g
f
p
g
a
-
b
a
se
d
a
c
c
e
ler
a
to
r
d
e
sig
n
f
o
r
d
e
e
p
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
s,”
In
Pro
c
e
e
d
in
g
s
o
f
th
e
2
0
1
5
A
CM
/S
IGD
A
In
ter
n
a
ti
o
n
a
l
S
y
mp
o
siu
m
o
n
Fi
e
ld
-
Pro
g
ra
mm
a
b
le Ga
te A
rr
a
y
s
,
p
p
.
1
6
1
-
1
7
0
,
A
CM
,
2
0
1
5
.
[1
1
]
S
u
d
a
,
N.
,
Ch
a
n
d
ra
,
V.,
Da
sik
a
,
G
.
,
M
o
h
a
n
ty
,
A
.
,
M
a
,
Y.,
V
ru
d
h
u
la,
S
.
,
S
e
o
,
J.S
.
a
n
d
Ca
o
,
Y
.
“
T
h
ro
u
g
h
p
u
t
-
o
p
ti
m
ize
d
Op
e
n
CL
-
b
a
se
d
F
P
G
A
a
c
c
e
ler
a
to
r
f
o
r
larg
e
-
sc
a
le
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
s,”
In
Pro
c
e
e
d
in
g
s
o
f
th
e
2
0
1
6
ACM
/
S
IGD
A
In
ter
n
a
ti
o
n
a
l
S
y
mp
o
si
u
m o
n
Fi
e
l
d
-
Pro
g
ra
mm
a
b
le Ga
te A
rr
a
y
s
,
p
p
.
1
6
-
2
5
,
A
CM
,
2
0
1
6
.
[1
2
]
Co
n
g
,
J.
a
n
d
Xia
o
,
B.
“
M
in
im
izin
g
c
o
m
p
u
tatio
n
i
n
c
o
n
v
o
lu
t
io
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
s,”
In
In
ter
n
a
ti
o
n
a
l
c
o
n
fer
e
n
c
e
o
n
a
rtif
icia
l
n
e
u
r
a
l
n
e
two
rk
s
,
p
p
.
2
8
1
-
2
9
0
,
2
0
1
4
.
[1
3
]
Zh
a
n
g
,
J.
a
n
d
L
i,
J.
“
I
m
p
ro
v
in
g
th
e
p
e
rf
o
r
m
a
n
c
e
o
f
Op
e
n
CL
-
b
a
se
d
F
P
G
A
a
c
c
e
lera
to
r
f
o
r
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
”
,
In
Pro
c
e
e
d
in
g
s
o
f
th
e
2
0
1
7
ACM
/S
IGD
A
I
n
ter
n
a
ti
o
n
a
l
S
y
mp
o
siu
m o
n
Fi
e
ld
-
Pr
o
g
r
a
mm
a
b
l
e
Ga
te
Arra
y
s
,
p
p
.
2
5
-
3
4
,
A
CM
,
2
0
1
7
.
[1
4
]
In
tel,
“
F
P
G
A
S
DK
f
o
r
Op
e
n
CL
P
ro
g
ra
m
m
in
g
G
u
id
e
”
,
2
0
1
7
.
Evaluation Warning : The document was created with Spire.PDF for Python.