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.
15
,
No
.
2
,
J
u
ly
20
26
,
p
p
.
534
~
5
5
2
I
SS
N:
2089
-
4864
,
DOI
:
1
0
.
1
1
5
9
1
/i
j
r
es
.
v
1
5
.
i
2
.
pp
5
3
4
-
552
534
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ij
r
es.ia
esco
r
e.
co
m
Rev
o
lutioni
z
ing
n
ig
ht
-
ti
m
e
objec
t
d
etec
tion
in
a
utono
m
o
us
v
ehicles w
ith
SCL
-
YO
L
O
v
1
1
and R
O
A
o
p
ti
m
i
z
a
tion
K
o
nd
a
pa
lli
Sri
Vij
a
y
a
1
,
G
o
ku
la
K
rish
na
n Va
s
ud
ev
a
n
2
,
P
ina
g
a
di Ve
n
k
a
t
esw
a
ra
Ra
o
3
,
T
hera
s
a
M
icha
el
4
,
B
a
la
s
ub
ra
m
a
nia
n
L
a
litha
m
big
a
i
5
,
B
o
dd
ula
P
ra
t
hu
s
ha
L
a
x
m
i
6
1
D
e
p
a
r
t
me
n
t
o
f
I
n
f
o
r
mat
i
o
n
T
e
c
h
n
o
l
o
g
y
,
P
V
P
S
i
d
d
h
a
r
t
h
a
I
n
st
i
t
u
t
e
o
f
T
e
c
h
n
o
l
o
g
y
,
V
i
j
a
y
a
w
a
d
a
,
I
n
d
i
a
2
D
e
p
a
r
t
me
n
t
o
f
C
o
m
p
u
t
e
r
S
c
i
e
n
c
e
a
n
d
E
n
g
i
n
e
e
r
i
n
g
,
E
a
sw
a
r
i
En
g
i
n
e
e
r
i
n
g
C
o
l
l
e
g
e
,
C
h
e
n
n
a
i
,
I
n
d
i
a
3
D
e
p
a
r
t
me
n
t
o
f
C
o
m
p
u
t
e
r
S
c
i
e
n
c
e
a
n
d
E
n
g
i
n
e
e
r
i
n
g
,
C
V
R
C
o
l
l
e
g
e
o
f
En
g
i
n
e
e
r
i
n
g
,
H
y
d
e
r
a
b
a
d
,
I
n
d
i
a
4
D
e
p
a
r
t
me
n
t
o
f
C
o
m
p
u
t
e
r
S
c
i
e
n
c
e
a
n
d
E
n
g
i
n
e
e
r
i
n
g
,
P
a
n
i
m
a
l
a
r
E
n
g
i
n
e
e
r
i
n
g
C
o
l
l
e
g
e
,
C
h
e
n
n
a
i
,
I
n
d
i
a
5
D
e
p
a
r
t
me
n
t
o
f
C
o
m
p
u
t
e
r
S
c
i
e
n
c
e
a
n
d
D
e
si
g
n
,
Ea
sw
a
r
i
En
g
i
n
e
e
r
i
n
g
C
o
l
l
e
g
e
,
C
h
e
n
n
a
i
,
I
n
d
i
a
6
D
e
p
a
r
t
me
n
t
o
f
A
r
t
i
f
i
c
i
a
l
I
n
t
e
l
l
i
g
e
n
c
e
a
n
d
D
a
t
a
S
c
i
e
n
c
e
,
R
.
M
.
K
C
o
l
l
e
g
e
o
f
En
g
i
n
e
e
r
i
n
g
a
n
d
T
e
c
h
n
o
l
o
g
y
,
G
u
mm
i
d
i
p
o
o
n
d
i
,
I
n
d
i
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Feb
3
,
2
0
2
6
R
ev
i
s
ed
Ma
r
8
,
2
0
2
6
A
cc
ep
ted
J
u
n
1
6
,
2
0
2
6
A
c
c
u
ra
te
o
b
jec
t
d
e
tec
ti
o
n
u
n
d
e
r
l
o
w
-
li
g
h
t
c
o
n
d
it
i
o
n
s
is
a
c
rit
ica
l
re
q
u
irem
e
n
t
f
o
r
re
li
a
b
le
p
e
rc
e
p
ti
o
n
i
n
a
u
t
o
n
o
m
o
u
s
d
riv
in
g
s
y
ste
m
s.
Ho
w
e
v
e
r,
n
ig
h
t
-
ti
m
e
e
n
v
iro
n
m
e
n
ts
o
f
ten
su
ff
e
r
f
ro
m
p
o
o
r
il
lu
m
in
a
ti
o
n
,
n
o
ise
,
a
n
d
re
d
u
c
e
d
f
e
a
tu
re
v
isib
il
it
y
,
w
h
ich
sig
n
if
i
c
a
n
tl
y
d
e
g
ra
d
e
th
e
p
e
rf
o
r
m
a
n
c
e
o
f
c
o
n
v
e
n
ti
o
n
a
l
o
b
jec
t
d
e
tec
ti
o
n
m
o
d
e
ls.
T
o
a
d
d
re
ss
th
is
c
h
a
ll
e
n
g
e
,
t
h
is
p
a
p
e
r
p
ro
p
o
se
s
sp
a
ti
a
l
c
o
n
tras
t
lea
rn
i
n
g
(S
CL
)
-
y
o
u
o
n
ly
lo
o
k
o
n
c
e
v
e
rsio
n
1
1
(
Y
OL
O
v
1
1
)
,
a
n
e
n
h
a
n
c
e
d
o
b
jec
t
d
e
tec
ti
o
n
f
ra
m
e
w
o
rk
d
e
sig
n
e
d
f
o
r
n
ig
h
t
-
ti
m
e
s
c
e
n
a
rio
s.
T
h
e
p
ro
p
o
se
d
a
p
p
ro
a
c
h
in
teg
ra
tes
S
CL
to
im
p
ro
v
e
f
e
a
tu
re
d
isc
rim
in
a
ti
o
n
in
d
a
rk
re
g
io
n
s
a
n
d
e
m
p
lo
y
s
th
e
re
v
o
lu
ti
o
n
o
p
ti
m
iza
ti
o
n
a
lg
o
rit
h
m
(ROA
)
f
o
r
e
ffe
c
ti
v
e
m
o
d
e
l
p
a
ra
m
e
ter
o
p
ti
m
iz
a
ti
o
n
.
T
h
e
f
ra
m
e
w
o
r
k
is
e
v
a
lu
a
ted
o
n
th
re
e
b
e
n
c
h
m
a
rk
n
ig
h
t
-
ti
m
e
d
a
ta
se
ts,
Ex
Da
rk
,
LL
V
IP
,
a
n
d
BDD
1
0
0
K
,
to
a
ss
e
ss
it
s
d
e
tec
ti
o
n
p
e
rf
o
rm
a
n
c
e
.
Ex
p
e
rim
e
n
tal
re
su
lt
s
d
e
m
o
n
stra
t
e
th
a
t
th
e
p
ro
p
o
se
d
m
o
d
e
l
a
c
h
iev
e
s
a
m
AP
@
5
0
o
f
7
2
.
9
%
,
im
p
ro
v
in
g
t
h
e
b
a
se
li
n
e
YO
L
O
v
1
1
b
y
9
.
5
%
w
h
il
e
a
ls
o
re
d
u
c
i
n
g
in
f
e
re
n
c
e
late
n
c
y
b
y
1
8
.
3
%
.
Co
m
p
a
ra
ti
v
e
e
v
a
lu
a
ti
o
n
s
w
it
h
e
x
isti
n
g
d
e
tec
to
rs
f
u
rth
e
r
c
o
n
f
irm
th
a
t
th
e
p
ro
p
o
se
d
m
e
th
o
d
p
ro
v
id
e
s
im
p
ro
v
e
d
a
c
c
u
ra
c
y
a
n
d
e
ff
icie
n
c
y
f
o
r
n
ig
h
t
-
ti
m
e
o
b
jec
t
d
e
tec
ti
o
n
.
T
h
e
se
re
su
lt
s
in
d
ica
te
th
a
t
t
h
e
p
ro
p
o
se
d
f
ra
m
e
w
o
rk
c
a
n
e
n
h
a
n
c
e
p
e
rc
e
p
ti
o
n
re
li
a
b
i
li
ty
f
o
r
a
u
to
n
o
m
o
u
s
d
r
iv
in
g
a
p
p
li
c
a
ti
o
n
s
o
p
e
ra
ti
n
g
in
l
o
w
-
li
g
h
t
e
n
v
iro
n
m
e
n
ts.
K
ey
w
o
r
d
s
:
Featu
r
e
ex
tr
ac
tio
n
L
i
g
h
t
w
ei
g
h
t
n
e
u
r
al
n
et
w
o
r
k
Nig
h
t
-
ti
m
e
o
b
j
ec
t d
etec
tio
n
R
ev
o
l
u
tio
n
o
p
ti
m
izatio
n
alg
o
r
ith
m
SC
L
-
YO
L
O
v
1
1
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Go
k
u
la
Kr
i
s
h
n
a
n
Vas
u
d
ev
a
n
Dep
ar
t
m
en
t o
f
C
o
m
p
u
ter
Scie
n
ce
an
d
E
n
g
i
n
ee
r
in
g
,
E
as
w
ar
i
E
n
g
i
n
ee
r
i
n
g
C
o
lleg
e
R
a
m
ap
u
r
a
m
,
C
h
e
n
n
ai,
T
am
il
Nad
u
,
I
n
d
ia
E
m
ail:
g
o
k
u
l_
k
r
i
s
1
4
3
@
y
a
h
o
o
.
co
m
1.
I
NT
RO
D
UCT
I
O
N
T
r
af
f
ic
ac
cid
en
ts
o
n
r
o
ad
s
co
n
tin
u
e
to
b
e
a
s
ig
n
i
f
ica
n
t
s
af
et
y
i
s
s
u
e
g
lo
b
all
y
.
T
h
e
W
o
r
ld
Hea
lth
Or
g
an
iza
tio
n
(
W
HO)
h
as
h
ig
h
li
g
h
ted
th
at
r
o
ad
ac
cid
en
ts
ar
e
a
lead
in
g
ca
u
s
e
o
f
d
ea
th
w
it
h
a
v
er
y
h
ig
h
p
er
ce
n
tag
e
o
f
d
ea
th
s
,
n
ea
r
l
y
7
3
%,
o
cc
u
r
r
in
g
a
m
o
n
g
m
e
n
y
o
u
n
g
er
th
a
n
2
5
y
ea
r
s
[
1
]
.
T
h
is
d
r
asti
c
s
ce
n
ar
io
h
as
p
r
o
m
p
ted
th
e
s
cie
n
tis
ts
to
i
n
v
en
t
i
n
telli
g
e
n
t
tr
a
f
f
ic
s
y
s
te
m
s
(
I
T
S)
w
h
ich
w
ill
e
n
h
an
ce
s
ec
u
r
i
t
y
o
n
r
o
ad
s
an
d
less
e
n
h
u
m
a
n
m
i
s
ta
k
es
[
2
]
.
A
m
o
n
g
th
e
latest
i
n
n
o
v
atio
n
s
,
d
r
iv
er
less
ca
r
s
,
au
to
n
o
m
o
u
s
v
eh
icles
(
A
V
s
)
an
d
au
to
m
ated
d
r
i
v
in
g
m
ec
h
a
n
is
m
s
(
A
DS)
ar
e
a
r
ad
ical
c
h
a
n
g
e
i
n
t
h
e
w
a
y
w
e
d
o
tr
an
s
p
o
r
tatio
n
to
d
a
y
.
T
h
ese
d
ev
ices
ar
e
r
aisi
n
g
a
lo
t
o
f
att
en
t
io
n
f
r
o
m
co
m
p
u
ter
v
i
s
io
n
,
ar
tif
icial
i
n
tell
ig
e
n
ce
[
3
]
,
an
d
tr
an
s
p
o
r
t
s
ch
o
lar
s
s
in
ce
th
e
y
ai
m
at
n
o
t
o
n
l
y
m
ak
in
g
d
r
i
v
in
g
s
af
er
b
u
t
al
s
o
m
o
r
e
e
f
f
icie
n
t
v
ia
a
u
to
m
a
tio
n
o
f
p
er
ce
p
tio
n
an
d
d
ec
is
io
n
m
ak
in
g
[
4
]
.
T
h
e
r
is
in
g
u
s
e
o
f
d
r
iv
er
les
s
ca
r
s
[
5
]
is
f
u
r
th
er
p
r
o
o
f
o
f
th
eir
s
i
g
n
i
f
ica
n
ce
,
an
d
th
e
m
ar
k
et
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
R
ev
o
lu
tio
n
iz
in
g
n
i
g
h
t
-
time
o
b
j
ec
t d
etec
tio
n
in
a
u
to
n
o
mo
u
s
v
eh
icles w
ith
S
C
L
…
(
K
o
n
d
a
p
a
lli
S
r
i V
ija
ya
)
535
esti
m
ates
s
h
o
w
a
n
i
n
cr
ea
s
e
f
r
o
m
2
3
.
8
0
m
il
lio
n
u
n
its
in
2
0
2
2
to
n
ea
r
l
y
8
0
.
4
3
m
illi
o
n
u
n
its
i
n
2
0
3
2
[
6
]
.
A
V
tech
n
o
lo
g
ies
ar
e
h
i
g
h
l
y
d
ep
e
n
d
en
t
o
n
v
ar
io
u
s
s
en
s
o
r
s
n
a
m
el
y
ca
m
er
as
a
n
d
I
o
T
,
b
ased
s
en
s
in
g
i
n
s
tr
u
m
e
n
t
s
w
h
ic
h
h
elp
i
n
a
u
to
n
o
m
o
u
s
n
av
ig
a
tio
n
b
y
u
n
d
er
s
tan
d
i
n
g
t
h
e
s
u
r
r
o
u
n
d
i
n
g
e
n
v
ir
o
n
m
en
t
[
7
]
.
T
h
ese
s
en
s
o
r
s
y
s
te
m
s
g
e
n
er
ate
h
u
g
e
a
m
o
u
n
ts
o
f
tr
af
f
ic
d
ata
th
at
m
a
y
b
e
u
tili
ze
d
f
o
r
b
o
th
i
m
m
ed
iate
d
ec
is
io
n
,
m
a
k
i
n
g
an
d
lo
n
g
,
ter
m
m
o
b
ilit
y
an
al
y
s
is
[
8
]
.
Ob
j
ec
t
d
etec
tio
n
is
a
m
ai
n
p
illar
f
o
r
s
elf
,
d
r
iv
i
n
g
ca
r
s
b
ec
au
s
e
it
allo
w
s
t
h
e
m
to
s
p
o
t
p
ed
estrian
s
,
o
th
er
v
eh
ic
les,
o
r
an
y
o
b
s
tacl
e
o
n
th
e
w
a
y
i
n
o
r
d
er
to
av
o
id
ac
cid
en
ts
an
d
d
r
iv
e
s
af
el
y
[
9
]
.
Usu
all
y
,
p
eo
p
le
d
iv
id
e
s
el
f
,
d
r
iv
in
g
ca
r
s
m
eth
o
d
s
in
to
m
a
n
u
al,
s
e
m
i,
au
to
m
at
ed
,
an
d
f
u
ll
y
au
to
m
ated
o
n
e
s
b
ased
o
n
h
o
w
m
u
c
h
ar
e
h
u
m
a
n
s
i
n
v
o
l
v
ed
an
d
h
o
w
au
to
n
o
m
o
u
s
is
th
e
s
y
s
te
m
[
1
0
]
.
Old
s
ty
le
m
et
h
o
d
s
f
o
r
o
b
j
e
ct
d
etec
tio
n
m
o
s
tl
y
d
ep
en
d
ed
o
n
h
u
m
an
v
is
u
al
c
h
ec
k
in
g
o
r
s
e
m
i,
au
to
m
atio
n
wh
ich
r
e
s
u
l
ted
in
t
h
e
m
b
ei
n
g
s
l
o
w
an
d
n
o
t
s
u
itab
le
f
o
r
b
ig
s
ca
le
o
r
r
ea
l,
ti
m
e
ap
p
licatio
n
s
[
1
1
]
.
T
h
an
k
s
to
m
ac
h
i
n
e
lear
n
i
n
g
,
n
o
w
w
e
h
a
v
e
s
o
f
t
w
ar
e
p
r
o
g
r
a
m
s
th
a
t
ca
n
r
ec
o
g
n
ize
o
b
j
ec
ts
f
r
o
m
i
m
ag
e
s
e
v
en
in
co
m
p
licated
s
c
en
ar
io
s
a
n
d
w
it
h
o
u
t
h
u
m
a
n
h
e
lp
.
T
h
e
o
v
er
all
g
o
al
is
to
m
a
k
e
r
o
ad
s
s
a
f
er
b
y
d
ete
ctin
g
o
b
j
ec
ts
ar
o
u
n
d
th
e
v
e
h
ic
le
ac
cu
r
atel
y
an
d
v
er
y
q
u
ick
l
y
,
w
h
ic
h
is
e
s
s
e
n
tial
f
o
r
v
eh
ic
le
o
p
er
atio
n
[
1
2
]
.
Desp
ite
th
ese
i
m
p
r
es
s
i
v
e
in
n
o
v
atio
n
s
,
o
b
j
ec
t
d
etec
tio
n
r
e
m
ain
s
o
n
e
o
f
th
e
m
o
s
t
s
ig
n
if
ican
t
ch
alle
n
g
e
s
f
o
r
au
to
n
o
m
o
u
s
d
r
iv
in
g
,
p
ar
ticu
lar
l
y
u
n
d
er
th
e
en
v
ir
o
n
m
en
tal
co
n
d
itio
n
s
t
h
at
ar
e
m
o
s
t
d
if
f
ic
u
lt
to
h
an
d
le.
P
o
o
r
illu
m
i
n
atio
n
p
r
ec
ip
itatio
n
f
o
g
s
n
o
w
h
az
e,
a
n
d
o
th
er
ad
v
er
s
e
w
ea
th
er
co
n
d
itio
n
s
w
ill d
ec
r
ea
s
e
t
h
e
q
u
alit
y
o
f
i
m
a
g
es
a
n
d
,
as
a
r
e
s
u
lt,
m
a
k
e
o
b
j
ec
ts
less
v
is
ib
le
w
h
ic
h
,
in
tu
r
n
,
lead
s
to
les
s
ac
cu
r
ate
d
etec
tio
n
s
[
1
3
]
.
E
n
v
ir
o
n
m
e
n
tal
co
n
d
itio
n
s
ca
n
g
r
ea
tl
y
h
a
m
p
er
th
e
ca
p
a
b
ilit
y
o
f
p
er
ce
p
tio
n
s
y
s
te
m
s
b
y
d
is
tr
ac
ti
n
g
th
e
m
,
lo
w
er
i
n
g
co
n
tr
ast
a
n
d
h
id
in
g
k
e
y
v
i
s
u
a
l
f
ea
tu
r
es.
Fo
r
in
s
ta
n
ce
,
g
lo
b
all
y
p
r
ec
ip
itatio
n
o
c
cu
r
s
ap
p
r
o
x
i
m
a
tel
y
1
1
%
o
f
th
e
ti
m
e,
an
d
it
h
a
s
b
ee
n
s
h
o
w
n
th
a
t
ac
cid
en
t
r
is
k
in
cr
ea
s
es
b
y
al
m
o
s
t
7
0
%
in
r
a
in
f
all
co
m
p
ar
ed
to
n
o
r
m
al
co
n
d
itio
n
s
.
B
esid
es,
s
n
o
w
f
al
l
a
n
d
ic
y
r
o
ad
s
u
r
f
ac
es
ar
e
also
m
aj
o
r
co
n
tr
ib
u
to
r
s
t
o
w
ea
t
h
er
,
r
elate
d
ac
cid
en
ts
w
it
h
ab
o
u
t
2
4
%
o
f
i
n
cid
en
t
s
o
cc
u
r
r
in
g
o
n
s
lip
p
er
y
r
o
ad
s
an
d
1
5
%,
w
h
ile
s
n
o
w
is
ac
tiv
e
l
y
f
alli
n
g
.
T
h
ese
t
y
p
es o
f
s
it
u
atio
n
s
ar
e
a
lr
ea
d
y
p
r
o
b
le
m
s
f
o
r
h
u
m
a
n
d
r
i
v
er
s
b
u
t
f
o
r
a
u
to
n
o
m
o
u
s
s
y
s
te
m
s
,
i
t is e
v
e
n
m
o
r
e
ch
alle
n
g
i
n
g
n
o
t
o
n
l
y
f
o
r
d
etec
tin
g
o
b
j
ec
ts
r
eliab
l
y
b
u
t
a
ls
o
esp
ec
iall
y
s
o
d
u
r
i
n
g
th
e
n
i
g
h
t
w
h
e
n
t
h
e
li
g
h
t
i
s
b
ar
ely
p
r
es
e
n
t.
T
r
a
d
itio
n
al
m
ac
h
i
n
e
lear
n
i
n
g
t
ec
h
n
iq
u
es
an
d
d
ee
p
lear
n
in
g
(
DL
)
ap
p
r
o
ac
h
es
h
av
e
b
ee
n
in
v
esti
g
ated
as
a
w
a
y
to
o
v
er
co
m
e
t
h
e
c
h
a
llen
g
es
i
n
AV
o
b
j
ec
t
d
etec
tio
n
.
T
h
e
ea
r
lier
class
ica
l
m
ac
h
i
n
e
lear
n
i
n
g
m
o
d
el
s
[
1
4
]
d
e
p
en
d
ed
g
r
ea
tl
y
o
n
h
an
d
cr
af
ted
f
ea
tu
r
e
e
n
g
i
n
ee
r
in
g
an
d
s
ta
tis
tica
l
lear
n
in
g
tec
h
n
iq
u
e
s
.
W
h
ile
th
e
s
e
m
et
h
o
d
s
laid
d
o
w
n
th
e
g
r
o
u
n
d
w
o
r
k
f
o
r
o
b
j
ec
t
d
etec
tio
n
r
esear
ch
,
th
e
y
f
ac
e
d
if
f
ic
u
lt
ies
in
ad
ap
tin
g
to
d
y
n
a
m
ic
e
n
v
ir
o
n
m
e
n
t
s
an
d
r
eq
u
ir
e
s
i
g
n
i
f
ica
n
t
r
etr
ai
n
in
g
t
o
s
u
s
ta
in
p
er
f
o
r
m
an
ce
.
On
t
h
e
o
th
er
h
an
d
,
DL
tech
n
iq
u
es
m
ain
l
y
d
er
iv
e
th
ei
r
p
o
w
er
f
r
o
m
th
eir
ab
ilit
y
to
au
to
n
o
m
o
u
s
l
y
ex
tr
ac
t
h
ier
ar
c
h
ical
f
ea
t
u
r
es
f
r
o
m
v
ast
d
ataset
s
.
B
esid
es
s
m
ar
t
cit
y
s
y
s
te
m
s
,
AV
s
,
i
n
telli
g
e
n
t
s
u
r
v
eilla
n
ce
,
an
d
d
ee
p
n
eu
r
al
n
et
w
o
r
k
s
h
av
e
s
h
o
w
n
e
x
ce
lle
n
t
p
er
f
o
r
m
a
n
ce
in
o
th
er
f
i
eld
s
w
h
er
e
r
o
b
u
s
t
p
er
ce
p
tio
n
u
n
d
er
v
ar
io
u
s
en
v
ir
o
n
m
e
n
tal
co
n
d
itio
n
s
is
ess
e
n
tial [
1
5
]
.
Yet,
cu
r
r
en
t
DL
,
b
ased
o
b
j
ec
t
d
etec
tio
n
m
o
d
el
s
s
till
e
n
co
u
n
ter
h
ea
v
y
r
estrict
io
n
s
w
h
e
n
w
o
r
k
i
n
g
i
n
d
i
m
l
y
lit
a
n
d
n
i
g
h
t,
ti
m
e
e
n
v
ir
o
n
m
e
n
ts
.
L
o
w
er
l
ig
h
t
u
s
u
all
y
r
es
u
lt
s
i
n
les
s
d
is
tin
g
u
is
h
ab
le
f
ea
t
u
r
es,
f
ai
n
ter
o
b
j
ec
t
d
elin
ea
tio
n
s
,
an
d
m
o
r
e
d
etec
tio
n
er
r
o
r
s
.
Ma
n
y
tr
a
d
itio
n
al
d
etec
tio
n
f
r
a
m
e
w
o
r
k
s
ar
e
n
o
t
e
x
p
licit
l
y
ai
m
ed
at
b
o
o
s
tin
g
f
ea
t
u
r
e
r
ep
r
esen
tatio
n
in
d
ar
k
ar
ea
s
,
w
h
ich
lead
s
to
p
er
f
o
r
m
an
ce
d
et
er
io
r
atio
n
in
n
i
g
h
t,
ti
m
e
d
r
iv
i
n
g
s
it
u
atio
n
s
.
B
esi
d
es,
th
e
m
o
d
el
r
ef
i
n
e
m
e
n
t
s
t
r
ateg
ies
in
p
r
esen
t
s
y
s
te
m
s
m
a
y
n
o
t
h
ar
n
es
s
th
e
ca
p
ab
ilit
ies o
f
ad
ap
tiv
e
p
ar
a
m
eter
tu
n
i
n
g
f
u
ll
y
to
m
a
k
e
t
h
e
d
etec
tio
n
m
o
r
e
r
o
b
u
s
t.
I
n
o
r
d
er
to
s
o
lv
e
th
ese
p
r
o
b
le
m
s
,
t
h
is
w
o
r
k
in
tr
o
d
u
ce
s
an
a
m
elio
r
ated
o
b
j
ec
t
d
etec
tio
n
f
r
a
m
e
w
o
r
k
n
a
m
ed
s
p
atial
co
n
tr
ast
lear
n
in
g
(
SC
L
)
,
y
o
u
o
n
l
y
lo
o
k
o
n
ce
v
er
s
io
n
1
1
(
YOL
O
v
1
1
)
th
at
b
r
in
g
s
to
g
et
h
er
SC
L
,
an
d
r
ev
o
lu
tio
n
o
p
ti
m
izat
io
n
al
g
o
r
ith
m
(
R
O
A
)
f
o
r
b
etter
f
ea
t
u
r
e
r
ep
r
esen
tatio
n
a
n
d
m
o
d
el
o
p
tim
izatio
n
i
n
lo
w
,
lig
h
t
en
v
ir
o
n
m
e
n
ts
[
1
6
]
.
T
h
e
SC
L
p
ar
t
im
p
r
o
v
e
s
f
ea
t
u
r
e
s
ep
ar
ab
ilit
y
in
d
ar
k
ar
ea
s
th
r
o
u
g
h
h
i
g
h
lig
h
ti
n
g
co
n
tex
t
u
al
i
n
f
o
r
m
atio
n
,
w
h
er
ea
s
R
O
A
is
u
s
ed
to
f
in
e,
t
u
n
e
m
o
d
el
p
ar
a
m
eter
s
a
n
d
en
h
a
n
ce
d
etec
tio
n
r
eliab
ilit
y
.
T
h
e
p
r
esen
ted
m
e
t
h
o
d
th
er
e
f
o
r
e
co
m
b
in
e
s
b
ette
r
f
ea
t
u
r
e
lear
n
i
n
g
w
it
h
ad
ap
ti
v
e
o
p
ti
m
izatio
n
to
i
m
p
r
o
v
e
o
b
j
ec
t d
etec
tio
n
r
esu
lts
d
u
r
in
g
n
ig
h
t,
ti
m
e
au
to
n
o
m
o
u
s
d
r
iv
i
n
g
.
Au
to
n
o
m
o
u
s
d
r
iv
in
g
s
y
s
te
m
s
o
p
er
ate
u
n
d
er
s
tr
ict
co
m
p
u
t
atio
n
al
an
d
en
er
g
y
co
n
s
tr
ain
t
s
b
ec
au
s
e
p
er
ce
p
tio
n
alg
o
r
ith
m
s
m
u
s
t
r
u
n
o
n
e
m
b
ed
d
ed
ed
g
e
h
ar
d
w
ar
e
d
ep
lo
y
ed
w
i
th
i
n
th
e
v
e
h
icle.
Mo
d
er
n
p
er
ce
p
tio
n
s
tack
s
th
er
e
f
o
r
e
r
eq
u
ir
e
lig
h
t
w
ei
g
h
t
y
e
t
ac
cu
r
ate
o
b
j
ec
t
d
e
tectio
n
ar
ch
itect
u
r
es
[
1
7
]
th
at
ca
n
b
e
ef
f
icien
tl
y
m
ap
p
ed
to
r
ec
o
n
f
i
g
u
r
ab
le
co
m
p
u
ti
n
g
p
lat
f
o
r
m
s
s
u
ch
a
s
F
P
GA
-
b
a
s
ed
ac
ce
ler
ato
r
s
an
d
e
m
b
ed
d
ed
g
r
ap
h
ics
p
r
o
ce
s
s
in
g
u
n
it
(
GP
Us
)
.
T
h
e
p
r
o
p
o
s
ed
SC
L
-
YO
L
O
v
1
1
ar
ch
itectu
r
e
co
m
b
i
n
ed
w
it
h
R
OA
o
p
ti
m
izatio
n
i
s
d
esi
g
n
ed
w
it
h
t
h
ese
co
n
s
tr
ain
ts
in
m
i
n
d
.
T
h
e
m
o
d
el
r
ed
u
ce
s
r
ed
u
n
d
an
t
f
ea
t
u
r
e
p
r
o
p
ag
atio
n
th
r
o
u
g
h
SC
L
w
h
i
le
m
ain
tain
i
n
g
h
i
g
h
d
etec
tio
n
ac
cu
r
ac
y
u
n
d
er
lo
w
-
ill
u
m
i
n
atio
n
co
n
d
itio
n
s
.
T
h
is
ar
ch
itec
tu
r
al
ef
f
icie
n
c
y
m
ak
es
th
e
f
r
a
m
e
w
o
r
k
s
u
itab
le
f
o
r
h
ar
d
w
ar
e
-
a
w
ar
e
i
m
p
le
m
en
ta
tio
n
s
o
n
e
m
b
ed
d
ed
p
latf
o
r
m
s
,
w
h
er
e
co
m
p
u
tatio
n
a
l
r
eso
u
r
ce
s
,
m
e
m
o
r
y
b
an
d
w
id
th
,
a
n
d
p
o
w
e
r
co
n
s
u
m
p
tio
n
m
u
s
t b
e
ca
r
ef
u
l
l
y
o
p
ti
m
ized
.
Fu
r
t
h
er
m
o
r
e,
th
e
o
p
ti
m
izatio
n
o
f
n
et
w
o
r
k
p
ar
a
m
eter
s
u
s
i
n
g
th
e
R
O
A
e
n
ab
les
ad
ap
tiv
e
p
ar
am
eter
tu
n
in
g
t
h
at
i
m
p
r
o
v
e
s
d
etec
tio
n
ac
c
u
r
ac
y
[
1
8
]
w
it
h
o
u
t
i
n
cr
ea
s
in
g
m
o
d
el
co
m
p
le
x
it
y
.
Su
ch
o
p
ti
m
izatio
n
is
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.
15
,
No
.
2
,
J
u
l
y
202
6
:
534
-
5
5
2
536
p
ar
ticu
lar
l
y
v
al
u
ab
le
f
o
r
r
ec
o
n
f
i
g
u
r
ab
le
em
b
ed
d
ed
s
y
s
te
m
s
,
w
h
er
e
m
o
d
els
m
a
y
n
ee
d
to
b
e
d
y
n
a
m
ical
l
y
ad
ap
ted
d
e
p
en
d
in
g
o
n
h
ar
d
w
a
r
e
r
eso
u
r
ce
s
o
r
en
v
ir
o
n
m
en
tal
co
n
d
itio
n
s
.
Ma
j
o
r
co
n
tr
ib
u
tio
n
s
o
f
th
i
s
r
es
ea
r
ch
w
o
r
k
ar
e
as f
o
llo
w
s
:
−
A
n
o
v
el
S
C
L
i
s
in
tr
o
d
u
ce
d
to
i
m
p
r
o
v
e
lo
w
-
li
g
h
t
f
ea
t
u
r
e
ex
tr
ac
tio
n
b
y
i
m
p
r
o
v
i
n
g
co
n
tr
a
s
t,
ed
g
e
clar
ity
,
an
d
tex
t
u
r
e
r
eten
tio
n
in
n
i
g
h
t
-
t
i
m
e
s
ce
n
es.
−
I
n
teg
r
atio
n
o
f
th
e
R
O
A
w
it
h
YOL
O
v
1
1
to
f
in
e
-
tu
n
e
h
y
p
er
p
ar
am
eter
s
,
ac
h
ie
v
e
f
aster
co
n
v
er
g
en
ce
,
an
d
r
ed
u
ce
m
o
d
el
in
s
tab
il
it
y
i
n
lo
w
-
li
g
h
t tr
ain
i
n
g
co
n
d
itio
n
s
.
−
A
h
y
b
r
i
d
d
e
t
e
c
t
i
o
n
p
i
p
e
l
i
n
e
(
S
C
L
-
Y
O
L
O
v
1
1
-
R
O
A
)
t
h
a
t
s
i
g
n
i
f
i
c
a
n
t
l
y
b
o
o
s
t
s
n
i
g
h
t
-
t
i
m
e
d
e
t
e
c
t
i
o
n
p
e
r
f
o
r
m
a
n
c
e
,
a
c
h
i
e
v
i
n
g
m
e
a
s
u
r
a
b
l
e
i
m
p
r
o
v
e
m
e
n
t
s
i
n
m
e
a
n
a
v
e
r
a
g
e
p
r
e
c
i
s
i
o
n
(
m
A
P
)
,
r
e
c
a
l
l
,
a
n
d
d
e
t
e
c
t
i
o
n
s
p
e
e
d
.
−
E
x
ten
s
i
v
e
ev
al
u
atio
n
o
n
m
u
l
tip
le
n
ig
h
t
-
ti
m
e
d
atasets
an
d
cr
o
s
s
-
co
n
d
itio
n
v
a
lid
atio
n
,
en
ab
lin
g
a
m
o
r
e
co
m
p
r
e
h
en
s
iv
e
p
er
f
o
r
m
an
ce
c
o
m
p
ar
is
o
n
w
it
h
SOT
A
m
o
d
els
.
−
De
m
o
n
s
tr
atio
n
o
f
r
ea
l
-
ti
m
e
ca
p
ab
ilit
y
,
w
i
th
r
ed
u
ce
d
i
n
f
er
e
n
ce
late
n
c
y
a
n
d
i
m
p
r
o
v
ed
FP
S
u
n
d
er
ch
alle
n
g
i
n
g
ill
u
m
in
a
tio
n
v
ar
iatio
n
s
t
y
p
ical
in
a
u
to
n
o
m
o
u
s
d
r
iv
i
n
g
s
ce
n
ar
io
s
.
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
:
s
ec
t
io
n
2
m
e
n
tio
n
s
t
h
e
r
elate
d
w
o
r
k
s
;
s
ec
tio
n
3
p
r
esen
ts
t
h
e
p
r
o
p
o
s
ed
m
et
h
o
d
o
lo
g
y
i
n
d
etailed
;
s
ec
tio
n
4
d
is
cu
s
s
t
h
e
r
esu
lt
an
al
y
s
is
an
d
f
i
n
all
y
,
t
h
e
co
n
clu
s
io
n
is
m
ad
e
at
s
ec
tio
n
5.
2.
RE
L
AT
E
D
WO
RK
S
E
n
cío
et
a
l.
[
1
9
]
s
u
g
g
e
s
ts
a
n
in
n
o
v
ati
v
e
tec
h
n
iq
u
e
f
o
r
d
etec
tin
g
v
e
h
icle
s
at
n
i
g
h
t
t
h
at
ca
n
ad
j
u
s
t
to
d
if
f
er
e
n
t
lig
h
ti
n
g
s
it
u
atio
n
s
,
w
h
eth
er
it
's
a
b
r
ig
h
t
d
a
y
o
r
a
d
if
f
ic
u
lt
n
i
g
h
t
w
h
e
n
th
e
v
e
h
icle
's
v
is
ib
ilit
y
is
al
m
o
s
t
n
o
n
-
ex
is
te
n
t.
I
f
th
e
v
e
h
icle
i
s
lik
el
y
to
b
e
v
is
ib
le
d
u
r
in
g
m
o
s
t
ti
m
es
o
f
d
a
y
o
r
n
ig
h
t
in
u
r
b
an
ar
ea
s
w
i
th
en
o
u
g
h
ar
ti
f
icial
s
tr
ee
t
lig
h
ti
n
g
,
th
e
n
b
o
u
n
d
i
n
g
-
b
o
x
d
etec
ti
o
n
s
—
w
h
ic
h
p
r
o
v
id
e
in
f
o
r
m
at
io
n
o
n
th
e
v
eh
ic
le
'
s
lo
ca
tio
n
an
d
s
ize
—
w
ill
b
e
ch
o
s
en
.
Fo
r
s
itu
atio
n
s
w
h
er
e
th
e
v
eh
ic
le
'
s
s
h
ap
e
is
d
if
f
ic
u
lt
to
m
ak
e
o
u
t,
s
u
ch
as
at
n
ig
h
t
i
n
r
u
r
al
ar
ea
s
w
it
h
o
u
t
s
tr
ee
t
lig
h
t
s
,
p
o
in
t
-
b
ased
d
etec
tio
n
s
—
w
h
ich
p
r
o
v
id
e
s
i
m
p
l
y
t
h
e
v
e
h
icle
'
s
p
o
s
itio
n
—
ar
e
e
m
p
lo
y
ed
.
T
h
e
s
ch
e
m
e
is
s
tr
u
ctu
r
ed
as
a
s
h
ar
ed
Ho
u
r
g
lass
n
e
u
r
al
n
et
w
o
r
k
th
at
ca
n
au
to
m
at
icall
y
p
r
ed
ict,
s
ce
n
ar
i
o
-
d
ep
en
d
en
tl
y
,
v
eh
icle
b
o
u
n
d
in
g
b
o
x
e
s
o
r
p
o
in
t
-
b
ased
p
r
ed
ictio
n
s
;
it
ca
n
b
e
tr
ain
ed
w
ith
e
ith
er
t
y
p
e
o
f
a
n
n
o
tatio
n
s
.
C
o
m
p
ar
ed
to
ex
is
tin
g
ap
p
r
o
ac
h
es,
th
e
s
u
g
g
e
s
te
d
s
y
s
te
m
p
r
o
v
id
es
i
m
p
r
o
v
ed
d
etec
tio
n
ac
cu
r
ac
y
b
esid
es
r
esil
ien
ce
,
ac
co
r
d
in
g
t
o
ex
ten
s
i
v
e
as
s
ess
m
e
n
t
s
o
n
a
co
m
b
i
n
ed
d
ataset
o
f
B
DD1
0
0
K
an
d
P
VDN.
T
h
e
co
m
b
in
ed
d
ataset
h
as
m
A
P
s
co
r
es o
f
0
.
6
8
1
4
,
0
.
6
6
2
1
,
an
d
0
.
7
1
3
4
.
T
h
e
ass
ess
m
e
n
t
is
f
u
r
th
er
i
m
p
r
o
v
ed
b
y
FNT
VD,
a
s
elf
-
ac
q
u
ir
ed
d
ataset
th
at
d
eliv
er
s
r
ea
l
-
w
o
r
ld
d
r
iv
i
n
g
co
n
d
itio
n
s
.
W
ith
p
r
esen
tatio
n
r
ea
c
h
in
g
4
5
.
4
5
FP
S,
s
ch
e
m
e
i
s
also
w
ell
-
s
u
ited
f
o
r
p
r
ac
tical
u
s
es.
A
SOT
A
m
et
h
o
d
th
at
u
tili
s
es
an
u
p
d
ated
YO
L
O
v
5
alg
o
r
it
h
m
is
o
b
tain
ab
le
b
y
G
u
o
et
a
l.
[
2
0
]
t
o
p
r
o
v
id
e
ac
cu
r
ate
v
eh
icle
r
ec
o
g
n
itio
n
i
n
lo
w
-
li
g
h
t
cir
cu
m
s
ta
n
ce
s
an
d
to
im
p
r
o
v
e
f
i
n
d
in
g
ac
cu
r
ac
y
d
u
r
in
g
n
i
g
h
t
d
r
iv
in
g
.
C
o
m
p
ar
ed
to
ea
r
lier
iter
atio
n
s
o
f
t
h
e
YO
L
O
al
g
o
r
ith
m
,
KS
C
-
YO
L
O
v
5
ac
h
ie
v
es
b
etter
av
er
ag
e
d
etec
tio
n
ac
cu
r
ac
y
.
E
v
en
w
h
e
n
r
u
n
n
i
n
g
at
n
i
g
h
t,
th
is
u
p
g
r
ad
ed
m
o
d
el
is
ab
le
to
id
en
tify
v
eh
icles
i
n
d
i
m
lig
h
t
w
it
h
s
ig
n
i
f
ica
n
t b
lu
r
r
in
g
.
I
n
o
r
d
er
to
m
a
k
e
th
e
tr
ad
itio
n
al
YOL
O
v
4
[
2
1
]
tech
n
iq
u
e
m
o
r
e
co
m
p
u
tatio
n
a
ll
y
e
f
f
icien
t,
th
e
f
ea
t
u
r
e
p
y
r
a
m
id
is
u
s
ed
in
s
tead
o
f
s
p
atial
d
im
e
n
s
io
n
f
ea
t
u
r
es
in
th
e
p
r
o
p
o
s
ed
alg
o
r
ith
m
.
W
ith
th
e
h
elp
o
f
co
n
v
o
lu
tio
n
al
b
lo
ck
atte
n
tio
n
m
o
d
u
le
(
C
B
AM
)
s
tr
u
ctu
r
e
s
,
t
h
e
YO
L
O
v
4
al
g
o
r
ith
m
is
ab
le
to
f
o
c
u
s
f
o
r
lo
n
g
er
p
er
io
d
s
o
f
ti
m
e,
w
h
ich
s
p
ee
d
s
u
p
o
b
j
ec
t
d
etec
tio
n
w
h
en
u
s
in
g
k
e
y
f
r
a
m
e
s
an
d
f
ea
t
u
r
e
p
y
r
a
m
id
s
.
As
f
ar
a
s
au
to
n
o
m
o
u
s
d
r
iv
i
n
g
tech
n
o
lo
g
y
is
co
n
ce
r
n
ed
,
t
h
e
o
p
en
-
s
o
u
r
ce
B
DD1
0
0
K
d
ata
s
et
is
t
h
e
g
o
ld
s
tan
d
ar
d
.
W
h
il
e
test
i
n
g
th
e
s
u
g
g
ested
m
et
h
o
d
o
n
th
i
s
d
ataset,
to
f
o
u
n
d
t
h
at
it
o
u
tp
er
f
o
r
m
ed
co
m
p
eti
n
g
m
et
h
o
d
s
b
y
a
m
ar
g
in
o
f
4
.
7
2
f
r
am
es p
er
s
ec
o
n
d
(
f
p
s
)
i
n
ter
m
s
o
f
d
etec
tio
n
s
p
ee
d
.
Ma
k
i
n
g
a
n
d
m
a
k
i
n
g
g
o
o
d
u
s
e
o
f
s
y
n
t
h
etic
d
ata
h
as
b
ee
n
th
e
m
ai
n
e
m
p
h
asi
s
o
f
C
h
ao
et
a
l.
[
2
2
]
in
th
eir
e
f
f
o
r
ts
to
s
o
lv
e
th
e
c
h
a
llen
g
e.
T
o
u
s
e
a
r
ef
i
n
ed
g
e
n
er
ativ
e
m
o
d
el
t
h
at
ca
n
s
k
il
f
u
ll
y
co
n
v
er
t
b
r
ig
h
t
d
ay
t
i
m
e
p
h
o
to
s
in
to
d
ar
k
m
id
n
ig
h
t
o
n
es
to
cr
ea
te
s
y
n
t
h
etic
d
ata.
I
n
ad
d
itio
n
,
to
p
r
esen
t
Au
to
Selecte
r
,
a
d
ata
s
elec
tio
n
s
c
h
e
m
e
th
at
g
u
ar
a
n
tees
th
e
s
elec
tio
n
o
f
th
e
m
o
s
t
e
f
f
ec
ti
v
e
s
y
n
t
h
etic
d
at
a
an
d
ca
n
b
e
ea
s
il
y
i
m
p
le
m
en
ted
i
n
to
t
h
e
o
b
j
ec
t
d
etec
to
r
tr
ain
in
g
p
r
o
ce
s
s
.
Ou
r
m
eth
o
d
i
m
p
r
o
v
es
t
h
e
A
P
5
0
o
f
th
e
Y
OL
Ov
7
,
YOL
O
v
8
,
an
d
R
T
-
DE
T
R
o
b
ject
d
etec
to
r
s
b
y
an
av
er
a
g
e
o
f
5
.
2
%
o
n
th
e
B
DD1
0
0
k
n
ig
h
t
ti
m
e
d
ataset
an
d
6
.
1
%
o
n
th
e
W
ay
m
o
n
ig
h
t
ti
m
e
d
ataset
th
r
o
u
g
h
th
e
ef
f
ic
ien
t
u
tili
za
t
io
n
o
f
s
y
n
t
h
etic
d
ata.
Ma
n
u
a
ll
y
a
n
n
o
tated
lo
w
-
li
g
h
t
n
i
g
h
t
ti
m
e
d
ataset
s
co
n
tain
a
lar
g
e
n
u
m
b
er
o
f
m
is
s
i
n
g
a
n
d
m
is
lab
elled
an
n
o
tatio
n
s
,
w
h
ic
h
ca
n
g
r
ea
tl
y
i
m
p
ac
t t
h
e
r
eliab
ilit
y
o
f
ev
al
u
atio
n
r
esu
lts
w
h
e
n
co
n
d
u
cted
at
n
i
g
h
t.
Fo
r
th
is
r
ea
s
o
n
,
to
s
u
p
p
le
m
e
n
t o
u
r
ev
alu
a
tio
n
to
o
ls
w
it
h
a
m
o
r
e
p
r
ec
is
e
d
ataset,
B
DD1
0
0
k
V
alNig
h
t+,
t
h
is
h
a
s
b
ee
n
a
n
n
o
t
ated
b
y
h
a
n
d
.
O
u
r
ap
p
r
o
ac
h
im
p
r
o
v
es
A
P
5
0
b
y
a
n
av
er
a
g
e
o
f
5
.
1
% a
cr
o
s
s
all
th
r
ee
d
etec
to
r
s
o
n
th
is
clea
n
ed
-
u
p
d
ataset.
T
o
en
ab
le
ef
f
ec
ti
v
e
m
o
d
el
s
el
ec
tio
n
f
o
r
lan
e
s
eg
m
e
n
tatio
n
,
th
e
s
u
g
g
ested
m
u
lti
-
ar
m
ed
b
an
d
it
(
MA
B
)
E
n
s
e
m
b
le
[
2
3
]
m
et
h
o
d
is
u
s
ed
alo
n
g
w
it
h
M
A
B
o
p
tim
iz
atio
n
.
T
o
tr
ain
,
v
alid
ate,
an
d
test
th
e
p
r
o
p
o
s
ed
an
d
cu
r
r
en
t
la
n
e
r
ec
o
g
n
itio
n
alg
o
r
ith
m
s
,
th
e
b
en
c
h
m
ar
k
i
n
g
d
ataset
T
u
Si
m
p
le
i
s
u
tili
ze
d
.
B
u
t
t
h
e
s
u
g
g
ested
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
R
ev
o
lu
tio
n
iz
in
g
n
i
g
h
t
-
time
o
b
j
ec
t d
etec
tio
n
in
a
u
to
n
o
mo
u
s
v
eh
icles w
ith
S
C
L
…
(
K
o
n
d
a
p
a
lli
S
r
i V
ija
ya
)
537
MA
B
-
E
n
s
e
m
b
le
m
eth
o
d
g
ets
o
v
er
th
e
s
h
o
r
tco
m
i
n
g
s
o
f
in
d
i
v
id
u
al
m
o
d
els
b
y
p
ick
i
n
g
th
e
b
est
c
o
n
v
o
lu
tio
n
al
n
eu
r
al
n
et
w
o
r
k
(
C
NN)
m
o
d
el
in
r
ea
l
ti
m
e
ac
co
r
d
in
g
to
th
e
cu
r
r
en
t
s
tate
o
f
th
e
e
n
v
ir
o
n
m
en
t.
C
o
m
p
ar
ed
to
b
o
th
s
ta
n
d
alo
n
e
C
NN
m
o
d
els
an
d
cu
t
tin
g
-
ed
g
e
e
n
s
e
m
b
le
m
eth
o
d
s
,
th
e
o
u
tco
m
es
ar
e
s
u
p
e
r
io
r
.
B
y
co
m
b
i
n
i
n
g
th
e
ca
p
ab
ilit
ie
s
o
f
m
u
l
tip
le
C
NN
m
o
d
el
s
,
th
e
M
A
B
-
E
n
s
e
m
b
le
m
et
h
o
d
p
r
o
v
id
es
a
v
iab
le
o
p
tio
n
f
o
r
ac
cu
r
at
e
lan
e
d
etec
tio
n
.
A
n
e
w
f
r
a
m
e
w
o
r
k
f
o
r
v
e
h
icle
id
en
ti
f
icatio
n
,
Hig
h
li
g
h
tNet,
h
as
b
ee
n
p
r
o
p
o
s
ed
b
y
So
n
g
et
a
l.
[
2
4
]
.
I
t
m
ak
e
s
u
s
e
o
f
illu
m
i
n
atio
n
d
ata
f
r
o
m
v
eh
icle
lig
h
t
s
as
w
el
l
as
th
e
r
ef
lecti
n
g
q
u
alitie
s
o
f
ca
r
s
.
T
h
r
o
u
g
h
th
e
u
s
e
o
f
d
u
al
-
b
r
an
c
h
j
o
in
t
lear
n
i
n
g
,
th
e
f
r
a
m
e
w
o
r
k
i
n
te
g
r
ates
v
e
h
icle
d
etec
tio
n
w
it
h
h
i
g
h
l
ig
h
t
ar
ea
r
ec
o
g
n
itio
n
.
f
ea
t
u
r
e
s
i
m
ilar
it
y
a
w
ar
e
n
es
s
a
tten
tio
n
(
FS
AA
)
is
u
til
ized
to
ca
p
tu
r
e
th
e
s
i
m
ilar
atte
n
tio
n
r
eg
io
n
s
o
f
s
ep
ar
ate
b
r
an
ch
es,
e
n
s
u
r
i
n
g
th
at
b
o
th
b
r
an
ch
es
f
o
cu
s
o
n
th
e
h
i
g
h
li
g
h
ted
r
eg
io
n
s
.
T
h
e
FS
AA
o
u
tp
u
t
ca
n
b
e
i
m
p
r
o
v
ed
w
it
h
t
h
e
p
r
o
p
o
s
ed
h
ig
h
lig
h
t
r
eg
io
n
p
er
ce
p
tio
n
(
HR
P
)
,
w
h
i
ch
u
s
e
s
a
m
as
k
m
ap
to
d
is
tin
g
u
i
s
h
b
et
w
ee
n
t
h
e
f
o
r
eg
r
o
u
n
d
an
d
b
ac
k
g
r
o
u
n
d
o
f
h
ig
h
li
g
h
ted
ar
ea
s
w
h
il
e
e
x
cl
u
d
in
g
r
e
f
lecte
d
ill
u
m
in
a
tio
n
s
lik
e
s
tr
ee
tli
g
h
t
s
.
I
t
o
p
tim
izes
th
e
d
is
tr
ib
u
t
io
n
in
s
i
d
e
th
e
d
u
al
-
b
r
an
ch
s
et
u
p
an
d
ad
j
u
s
ts
th
e
f
ea
t
u
r
e
w
ei
g
h
t
allo
ca
tio
n
ad
ap
tiv
el
y
.
I
n
o
r
d
er
to
f
ix
th
e
e
x
tr
e
m
e
p
ix
e
l
i
m
b
alan
ce
b
et
w
ee
n
t
h
e
f
o
r
eg
r
o
u
n
d
an
d
b
ac
k
g
r
o
u
n
d
ar
ea
s
,
t
o
also
u
s
e
ad
ap
ti
v
e
s
p
atial
b
alan
ce
(
A
SB
)
lo
s
s
to
f
o
cu
s
o
n
p
o
ten
tial
v
e
h
icle
lo
ca
tio
n
s
a
n
d
r
ed
u
ce
th
e
v
i
s
ib
il
it
y
o
f
b
ac
k
g
r
o
u
n
d
r
eg
io
n
s
.
T
h
e
s
tate
-
of
-
t
h
e
-
ar
t
ap
p
r
o
ac
h
es
f
o
r
n
i
g
h
t
t
i
m
e
v
e
h
icle
d
etec
tio
n
ar
e
s
u
r
p
ass
ed
b
y
Hi
g
h
l
ig
h
tNet
i
n
ex
ten
s
i
v
e
tr
ial
s
r
u
n
o
n
t
h
e
B
D
D1
0
0
K
-
Nig
h
t
d
atase
t
a
n
d
th
e
Nig
h
t
Ve
h
icle
d
ataset,
a
f
r
es
h
l
y
ac
q
u
ir
ed
d
ataset
tailo
r
ed
f
o
r
ev
en
i
n
g
s
u
r
v
eilla
n
ce
.
Fo
r
all
-
e
n
co
m
p
as
s
in
g
r
o
ad
p
er
ce
p
tio
n
,
E
w
ec
k
er
et
a
l.
[
2
5
]
p
r
esen
ts
an
i
n
te
g
r
ated
s
tr
ateg
y
th
at
co
m
b
i
n
es
M
L
L
M
s
w
it
h
s
o
p
h
i
s
ti
ca
ted
DL
al
g
o
r
it
h
m
s
.
A
f
ter
co
n
d
u
ctin
g
t
h
o
r
o
u
g
h
ev
a
lu
at
i
o
n
s
f
o
r
tr
af
f
ic
s
ig
n
id
en
ti
f
icatio
n
,
to
f
o
u
n
d
th
a
t
R
esNet
-
5
0
ac
h
iev
ed
t
h
e
b
est
p
e
r
f
o
r
m
an
ce
a
t
9
9
.
8
%
ac
cu
r
ac
y
,
YOL
Ov
8
ac
h
iev
ed
9
8
.
0
%
ac
cu
r
ac
y
,
an
d
R
T
-
DE
T
R
,
alth
o
u
g
h
b
ein
g
m
o
r
e
co
m
p
u
tat
io
n
all
y
co
m
p
lex
,
a
c
h
ie
v
ed
9
6
.
6
%
ac
cu
r
ac
y
.
Ou
r
p
r
o
p
o
s
ed
C
NN
-
b
ased
s
eg
m
e
n
tat
io
n
ap
p
r
o
ac
h
f
o
r
lan
e
r
ec
o
g
n
itio
n
i
s
i
m
p
r
o
v
ed
w
it
h
p
o
l
y
n
o
m
ial
cu
r
v
e
f
itti
n
g
an
d
ac
h
iev
e
s
g
o
o
d
ac
cu
r
ac
y
u
n
d
er
id
ea
l
cir
cu
m
s
ta
n
ce
s
.
T
h
is
f
r
a
m
e
w
o
r
k
ef
f
icie
n
t
l
y
h
a
n
d
les
d
i
f
f
er
e
n
t
t
y
p
es o
f
la
n
es,
co
m
p
le
x
i
n
ter
s
ec
tio
n
s
,
an
d
m
er
g
i
n
g
zo
n
es.
3.
P
RO
P
O
SE
D
M
E
T
H
O
D
3
.
1
.
P
r
o
ble
m
f
o
r
m
ula
t
io
n
L
et
I
∈
R
H
×
W×
3
r
ep
r
esen
t
a
lo
w
-
li
g
h
t
i
m
a
g
e
ca
p
tu
r
ed
d
u
r
in
g
n
ig
h
t
-
ti
m
e
d
r
iv
i
n
g
.
T
h
e
g
o
al
o
f
o
b
j
ec
t
d
etec
tio
n
is
to
lear
n
a
m
ap
p
i
n
g
f
u
n
ctio
n
(
1
)
,
p
ar
am
eter
iz
ed
b
y
,
th
at
p
r
ed
icts
a
s
et
o
f
o
b
j
ec
t
in
s
tan
ce
s
co
n
s
is
tin
g
o
f
b
o
u
n
d
in
g
b
o
x
es,
class
lab
els,
a
n
d
co
n
f
id
e
n
ce
s
c
o
r
es.
T
h
is
p
r
o
ce
s
s
ca
n
b
e
f
o
r
m
u
lated
as:
θ
(
)
=
{
(
,
,
)
}
=
1
(
1
)
w
h
er
e
=(
,
,
,
ℎ
)
d
en
o
tes
th
e
b
o
u
n
d
in
g
b
o
x
co
o
r
d
in
ates,
r
ep
r
e
s
en
t
s
th
e
o
b
j
ec
t
ca
teg
o
r
y
,
an
d
co
r
r
esp
o
n
d
s
to
th
e
co
n
f
id
en
ce
s
co
r
e.
T
h
e
lear
n
in
g
o
b
j
ec
tiv
e
i
s
to
o
b
tain
a
n
o
p
ti
m
a
l
p
ar
a
m
ete
r
s
et
θ
∗
(
2
)
th
a
t
m
i
n
i
m
izes
t
h
e
o
v
er
all
d
etec
tio
n
lo
s
s
d
et
,
w
h
ic
h
j
o
in
tl
y
a
cc
o
u
n
t
s
f
o
r
lo
ca
lizatio
n
,
clas
s
i
f
icatio
n
,
an
d
o
b
j
ec
tn
ess
er
r
o
r
s
:
∗
=a
r
g
0
(
)
(
2
)
Fig
u
r
e
1
p
r
esen
t
s
t
h
e
o
v
er
all
w
o
r
k
f
lo
w
o
f
t
h
e
S
C
L
-
YO
L
Ov
1
1
m
o
d
el,
ill
u
s
tr
ati
n
g
t
h
e
s
eq
u
en
tial
s
tag
e
s
f
r
o
m
n
i
g
h
t
-
ti
m
e
i
m
ag
e
en
h
a
n
ce
m
en
t
u
s
in
g
C
L
AH
E
an
d
R
eti
n
ex
,
f
o
llo
w
ed
b
y
f
ea
tu
r
e
e
x
tr
ac
tio
n
th
r
o
u
g
h
th
e
Star
Net
b
ac
k
b
o
n
e
,
an
d
co
n
cl
u
d
in
g
w
it
h
d
etec
ti
o
n
an
d
o
p
ti
m
izatio
n
v
ia
t
h
e
L
SDECD
an
d
R
O
A
m
o
d
u
les.
Fig
u
r
e
1
.
W
o
r
k
f
lo
w
o
f
th
e
p
r
o
p
o
s
ed
r
esear
ch
m
o
d
el
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.
15
,
No
.
2
,
J
u
l
y
202
6
:
534
-
5
5
2
538
T
h
e
p
r
o
p
o
s
ed
f
r
am
e
w
o
r
k
in
te
g
r
ates
SC
L
w
it
h
YO
L
O
v
1
1
an
d
a
R
OA
to
en
h
an
ce
n
ig
h
t
-
ti
m
e
o
b
j
ec
t
d
etec
tio
n
p
er
f
o
r
m
a
n
ce
[
2
6
]
.
T
h
e
ar
ch
itectu
r
e
co
n
s
is
t
s
o
f
t
h
r
ee
m
ai
n
s
tag
e
s
:
i
)
f
ea
tu
r
e
e
x
tr
ac
tio
n
u
s
i
n
g
t
h
e
YOL
O
v
1
1
b
ac
k
b
o
n
e,
ii
)
f
ea
tu
r
e
r
ef
i
n
e
m
en
t
u
s
i
n
g
th
e
S
C
L
m
o
d
u
le
to
e
m
p
h
as
ize
i
m
p
o
r
ta
n
t
co
n
te
x
t
u
al
in
f
o
r
m
atio
n
u
n
d
er
lo
w
ill
u
m
in
atio
n
co
n
d
itio
n
s
,
a
n
d
iii
)
p
ar
am
eter
o
p
ti
m
izatio
n
u
s
i
n
g
R
O
A
to
i
m
p
r
o
v
e
d
etec
tio
n
ac
cu
r
ac
y
a
n
d
co
n
v
e
r
g
en
ce
e
f
f
icien
c
y
.
T
h
e
o
v
er
all
w
o
r
k
f
lo
w
in
c
lu
d
es
i
m
a
g
e
p
r
ep
r
o
ce
s
s
in
g
,
f
ea
t
u
r
e
ex
tr
ac
tio
n
,
co
n
te
x
t le
ar
n
in
g
,
o
p
ti
m
ized
d
etec
tio
n
,
an
d
b
o
u
n
d
in
g
b
o
x
p
r
ed
ictio
n
.
3
.
2
.
Da
t
a
s
et
s
des
cr
iptio
n
T
h
e
s
u
g
g
e
s
ted
ap
p
r
o
ac
h
w
as
t
ested
u
s
i
n
g
t
w
o
s
ep
ar
ate
d
atasets
.
T
h
e
B
DD1
0
0
K,
am
o
n
g
th
e
b
ig
g
est
p
u
b
licl
y
a
v
ailab
le
d
atase
ts
,
was
o
n
e
o
f
th
e
m
.
Seco
n
d
,
th
er
e
's
th
e
P
VDN,
w
h
ic
h
s
h
o
w
ca
s
e
s
a
v
ar
iet
y
o
f
n
ig
h
t
ti
m
e
r
u
r
al
s
etti
n
g
s
.
3
.
2
.
1
.
B
DD1
0
0
K
da
t
a
s
et
T
h
e
s
u
g
g
e
s
ted
s
y
s
te
m
w
as
tr
a
in
ed
an
d
e
v
al
u
ated
u
s
i
n
g
t
h
e
B
DD1
0
0
K
d
ataset.
W
ith
1
0
0
,
0
0
0
p
h
o
to
s
s
p
an
n
in
g
a
w
id
e
r
an
g
e
o
f
lo
c
atio
n
s
,
cl
i
m
ate
s
,
a
n
d
en
v
ir
o
n
m
en
t
s
,
t
h
i
s
lib
r
ar
y
is
u
n
p
ar
alleled
a
m
o
n
g
p
u
b
licl
y
av
ailab
le
o
n
b
o
ar
d
d
atasets
f
o
r
v
eh
icle
d
etec
tio
n
.
I
n
clu
d
ed
ar
e
s
till
p
h
o
to
s
an
d
m
o
v
in
g
f
il
m
s
s
h
o
t
f
r
o
m
th
e
d
ash
b
o
ar
d
ca
m
er
a
o
f
a
v
ar
iet
y
o
f
v
eh
icles,
s
h
o
w
ca
s
i
n
g
v
ar
io
u
s
r
o
ad
c
o
n
d
itio
n
s
.
Ur
b
an
,
s
u
b
u
r
b
an
,
an
d
i
n
ter
s
tate
d
r
iv
i
n
g
is
al
l
p
ar
t
o
f
t
h
e
ac
t
u
al
w
o
r
ld
,
an
d
t
h
ese
s
ce
n
ar
io
s
r
e
f
lect
t
h
at.
T
h
e
p
ic
tu
r
es
s
h
o
w
n
o
r
m
a
l
u
r
b
an
d
r
iv
i
n
g
s
i
tu
at
io
n
s
w
it
h
tr
af
f
ic
li
g
h
ts
,
p
ed
estria
n
s
,
a
n
d
j
u
n
ctio
n
s
.
I
m
ag
e
s
o
f
r
esi
d
en
tial
ar
ea
s
w
i
th
h
o
u
s
e
s
,
d
r
iv
e
w
a
y
s
,
c
u
r
b
s
,
an
d
lo
ca
l
r
o
a
d
s
ar
e
also
in
cl
u
d
ed
in
t
h
e
d
ataset.
T
h
ese
co
m
m
u
n
itie
s
ar
e
t
y
p
ical
l
y
ass
o
ciate
d
w
it
h
s
lo
w
er
d
r
iv
i
n
g
s
p
ee
d
s
,
n
ar
r
o
w
er
s
tr
ee
ts
,
a
n
d
lo
w
er
tr
af
f
ic
v
o
lu
m
es.
Sh
o
p
p
in
g
m
all
s
,
p
ar
k
i
n
g
lo
ts
,
o
f
f
ice
b
u
ild
i
n
g
s
,
s
to
r
ef
r
o
n
ts
,
an
d
b
u
s
tli
n
g
cr
o
s
s
in
g
s
ar
e
also
co
m
m
o
n
p
lac
e
in
p
h
o
to
s
tak
en
in
co
m
m
er
cial
s
etti
n
g
s
.
Mo
r
e
p
e
o
p
le
w
al
k
i
n
g
a
n
d
o
th
er
k
i
n
d
s
o
f
v
e
h
icle
s
,
s
u
ch
as
d
eli
v
er
y
t
r
u
ck
s
an
d
ta
x
i
s
,
ar
e
in
v
o
l
v
ed
in
th
e
s
e
s
ce
n
ar
io
s
.
L
ast
l
y
,
t
h
e
co
llectio
n
o
f
p
h
o
to
s
in
clu
d
es
h
ig
h
w
a
y
d
r
iv
i
n
g
s
ce
n
ar
io
s
,
co
m
p
lete
w
it
h
h
ig
h
w
a
y
s
i
g
n
s
,
on
-
r
a
m
p
s
,
o
f
f
-
r
a
m
p
s
,
o
v
er
p
as
s
es,
an
d
m
u
lti
-
la
n
e
r
o
ad
w
a
y
s
.
T
h
ese
s
i
tu
atio
n
s
m
i
m
ic
t
h
e
s
etti
n
g
s
o
f
h
i
g
h
-
s
p
ee
d
d
r
iv
in
g
o
n
h
i
g
h
w
a
y
s
an
d
i
n
ter
s
tate
s
,
an
d
t
h
e
y
t
y
p
icall
y
h
av
e
les
s
ar
tif
ic
ial
li
g
h
ti
n
g
.
T
h
ese
s
ce
n
ar
io
s
o
f
te
n
r
ep
r
esen
t d
an
g
er
o
u
s
d
r
iv
i
n
g
s
it
u
atio
n
s
,
in
cl
u
d
in
g
p
o
o
r
v
is
ib
ilit
y
an
d
s
lip
p
er
y
r
o
ad
s
.
T
h
e
d
ataset
also
p
r
o
v
id
es
b
o
th
d
ay
ti
m
e
an
d
n
ig
h
t
ti
m
e
i
m
a
g
e
s
,
co
v
er
in
g
a
w
id
e
r
an
g
e
o
f
lig
h
ti
n
g
an
d
v
is
ib
il
it
y
co
n
d
itio
n
s
.
C
o
n
s
eq
u
en
t
l
y
,
t
h
e
d
ataset
o
f
f
er
s
a
v
ar
ied
ass
o
r
t
m
e
n
t
o
f
p
h
o
to
s
,
co
v
er
in
g
a
b
r
o
a
d
s
p
ec
tr
u
m
o
f
d
r
iv
i
n
g
co
n
d
itio
n
s
an
d
s
u
r
r
o
u
n
d
i
n
g
s
s
ee
n
i
n
ac
tu
al
d
r
iv
in
g
s
it
u
atio
n
s
.
T
h
e
m
aj
o
r
ity
o
f
th
e
n
ig
h
t
ti
m
e
p
ict
u
r
es
i
n
t
h
e
d
ataset,
m
ea
n
w
h
i
le,
h
a
v
e
r
ath
er
s
tr
o
n
g
ar
ti
f
icial
li
g
h
ti
n
g
,
s
o
y
o
u
ca
n
s
ti
ll
m
ak
e
o
u
t
t
h
e
g
en
er
al
o
u
t
lin
e
o
f
th
e
ca
r
s
r
e
f
er
en
ce
d
in
Fig
u
r
e
2
.
Fig
u
r
e
2
(
a)
p
r
esen
ts
th
e
o
r
ig
i
n
al
n
i
g
h
t
-
ti
m
e
in
p
u
t
i
m
ag
e
ca
p
tu
r
ed
u
n
d
er
lo
w
-
li
g
h
t
co
n
d
itio
n
s
,
w
h
ic
h
t
y
p
icall
y
co
n
tai
n
s
p
o
o
r
illu
m
i
n
atio
n
a
n
d
r
ed
u
ce
d
o
b
j
ec
t
v
is
ib
ilit
y
.
Fig
u
r
e
2
(
b
)
illu
s
tr
ate
s
t
h
e
i
n
ter
m
ed
iate
p
r
o
ce
s
s
i
n
g
s
ta
g
e
w
h
er
e
f
e
a
tu
r
e
e
x
tr
ac
tio
n
an
d
en
h
a
n
ce
m
e
n
t
ar
e
ap
p
lied
to
im
p
r
o
v
e
t
h
e
v
is
ib
ilit
y
o
f
i
m
p
o
r
ta
n
t
o
b
j
ec
ts
in
th
e
s
ce
n
e.
Fi
g
u
r
e
2
(
c)
s
h
o
w
s
th
e
f
i
n
al
d
etec
tio
n
o
u
tp
u
t
g
e
n
er
ated
b
y
th
e
p
r
o
p
o
s
ed
SC
L
-
YO
L
O
v
1
1
m
o
d
el,
w
h
er
e
o
b
j
ec
ts
ar
e
ac
cu
r
atel
y
id
en
ti
f
ied
an
d
lo
ca
lized
w
it
h
b
o
u
n
d
i
n
g
b
o
x
e
s
d
esp
ite
th
e
ch
alle
n
g
in
g
n
ig
h
t
-
ti
m
e
e
n
v
ir
o
n
m
e
n
t.
(
a)
(
b
)
(
c)
Fig
u
r
e
2
.
E
x
a
m
p
les
f
r
o
m
t
h
e
B
DD1
0
0
K
d
ataset
ca
p
tu
r
ed
u
n
d
er
ch
alle
n
g
i
n
g
n
i
g
h
tti
m
e
d
r
iv
in
g
co
n
d
itio
n
s
;
(
a)
u
r
b
an
in
ter
s
ec
tio
n
,
(
b
)
d
im
l
y
lit r
o
ad
w
a
y
,
an
d
(
c)
lo
w
-
v
is
ib
ilit
y
n
ig
h
tt
i
m
e
s
ce
n
e
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
R
ev
o
lu
tio
n
iz
in
g
n
i
g
h
t
-
time
o
b
j
ec
t d
etec
tio
n
in
a
u
to
n
o
mo
u
s
v
eh
icles w
ith
S
C
L
…
(
K
o
n
d
a
p
a
lli
S
r
i V
ija
ya
)
539
3
.
2
.
2
.
P
VDN
da
t
a
s
et
Ho
w
e
v
er
,
Fi
g
u
r
e
3
s
h
o
w
s
t
h
at
th
er
e
ar
e
ab
o
u
t
5
6
,
0
0
0
g
r
a
y
s
ca
le
p
h
o
to
s
i
n
th
e
n
o
v
el
n
o
n
-
u
r
b
an
P
VDN
d
ataset.
So
m
e
o
f
t
h
e
s
ce
n
ar
io
s
i
n
clu
d
ed
in
t
h
e
P
VDN
d
ataset
f
ea
t
u
r
e
n
ig
h
t
ti
m
e
d
r
iv
in
g
i
n
r
u
r
al
lo
ca
tio
n
s
.
L
e
s
s
h
ea
v
il
y
p
o
p
u
lated
ar
ea
s
,
o
p
en
r
o
ad
w
a
y
s
,
an
d
r
u
r
al
lan
d
s
ca
p
es
m
a
y
b
e
p
r
esen
t
in
th
es
e
cir
cu
m
s
ta
n
ce
s
.
Sce
n
e
s
i
n
t
h
e
d
ataset
m
a
y
h
a
v
e
le
s
s
ar
tif
i
cial
li
g
h
t
in
g
,
n
ar
r
o
w
er
r
o
ad
s
,
an
d
lo
w
er
tr
a
f
f
i
c
n
u
m
b
er
s
th
a
n
u
r
b
a
n
o
r
h
ig
h
w
a
y
s
etti
n
g
s
,
co
n
s
id
er
i
n
g
t
h
e
s
a
m
p
le
is
lo
ca
ted
in
a
r
u
r
al
ar
ea
.
B
ec
au
s
e
o
f
th
e
d
i
m
lig
h
ti
n
g
,
it
is
o
f
te
n
d
i
f
f
icu
l
t
to
m
ak
e
o
u
t
d
etails
lik
e
s
ize,
f
o
r
m
,
an
d
te
x
t
u
r
e
in
t
h
ese
p
h
o
to
g
r
ap
h
s
.
On
t
h
e
o
th
er
h
an
d
,
it
'
s
a
ls
o
u
n
co
m
m
o
n
f
o
r
ap
p
r
o
ac
h
in
g
v
e
h
icles
'
h
ea
d
l
ig
h
ts
a
n
d
tailli
g
h
t
s
to
f
la
s
h
b
r
ig
h
tl
y
,
m
a
k
i
n
g
it
d
if
f
ic
u
lt
to
m
ak
e
o
u
t
th
eir
d
etails.
T
h
e
g
e
n
er
all
y
lo
w
i
llu
m
i
n
atio
n
th
a
t
i
s
t
y
p
ica
l
o
f
r
u
r
al
n
ig
h
t
t
i
m
e
en
v
ir
o
n
m
e
n
t
s
is
f
u
r
t
h
er
r
ef
lec
t
ed
in
th
e
p
h
o
to
s
i
n
s
id
e
th
e
d
at
aset,
w
h
ic
h
h
av
e
e
x
tr
e
m
el
y
lo
w
co
n
tr
ast
i
n
m
o
s
t
r
eg
io
n
s
.
Ne
v
er
th
e
less
,
t
h
e
i
n
te
n
s
e
ill
u
m
i
n
atio
n
f
r
o
m
t
h
e
ap
p
r
o
ac
h
in
g
ca
r
's
li
g
h
ts
cr
ea
tes
a
c
lear
r
eg
io
n
o
f
v
er
y
h
ig
h
co
n
tr
ast
t
h
at
ce
n
tr
es
o
n
th
e
tr
u
ck
.
T
h
e
d
is
ti
n
cti
v
e
v
is
u
al
c
h
ar
ac
ter
is
tic
w
i
th
in
th
e
d
ataset
is
cr
ea
ted
b
y
th
ese
s
p
ec
ial
s
etti
n
g
s
,
w
h
er
e
th
e
p
er
ce
p
tio
n
o
f
t
h
in
g
s
,
in
c
l
u
d
in
g
a
u
to
m
o
b
iles
,
is
g
r
ea
tl
y
in
f
l
u
en
ce
d
b
y
t
h
e
illu
m
i
n
atio
n
g
e
n
er
ated
b
y
t
h
ei
r
lig
h
ts
.
T
h
er
ef
o
r
e,
t
h
e
d
atase
t
s
tr
es
s
es
h
o
w
cr
itical
it
i
s
to
ac
cu
r
atel
y
id
en
ti
f
y
an
d
d
etec
t
ca
r
s
u
s
in
g
t
h
eir
u
n
i
q
u
e
lig
h
t
p
atter
n
s
.
Fi
g
u
r
e
3
(
a)
d
em
o
n
s
tr
ate
s
th
e
d
etec
t
io
n
r
e
s
u
lt
o
b
tai
n
ed
u
s
in
g
th
e
b
aseli
n
e
Y
OL
O
-
b
ased
m
o
d
el,
w
h
er
e
s
o
m
e
o
b
j
ec
ts
m
a
y
n
o
t
b
e
clea
r
l
y
d
etec
ted
d
u
e
to
lo
w
i
llu
m
i
n
atio
n
.
Fig
u
r
e
3
(
b
)
p
r
esen
ts
t
h
e
i
m
p
r
o
v
ed
d
etec
tio
n
r
esu
lts
a
f
ter
in
co
r
p
o
r
atin
g
t
h
e
SC
L
m
o
d
u
l
e,
w
h
ich
e
n
h
a
n
ce
s
co
n
tex
t
u
al
f
ea
t
u
r
e
r
ep
r
esen
tati
o
n
.
Fig
u
r
e
3
(
c)
s
h
o
w
s
th
e
f
i
n
al
o
p
ti
m
ized
d
etec
tio
n
r
es
u
lt
u
s
i
n
g
th
e
p
r
o
p
o
s
ed
SC
L
-
YO
L
O
v
1
1
in
teg
r
ated
w
i
th
R
O
A
o
p
ti
m
izatio
n
,
w
h
er
e
th
e
d
etec
tio
n
ac
cu
r
ac
y
an
d
o
b
ject
lo
ca
lizatio
n
ar
e
s
ig
n
i
f
ica
n
tl
y
i
m
p
r
o
v
ed
u
n
d
er
n
ig
h
t
-
ti
m
e
co
n
d
itio
n
s
.
(
a)
(
b
)
(
c)
Fig
u
r
e
3
.
E
x
a
m
p
les
f
r
o
m
t
h
e
P
VDN
d
ataset
ca
p
tu
r
ed
u
n
d
er
ch
alle
n
g
i
n
g
n
i
g
h
tti
m
e
d
r
iv
i
n
g
co
n
d
itio
n
s
;
(
a)
cu
r
v
ed
r
u
r
al
r
o
ad
w
a
y
,
(
b
)
h
ea
d
lig
h
t
g
lar
e
an
d
lo
w
a
m
b
ie
n
t li
g
h
t
in
g
,
an
d
(
c)
s
p
ar
s
el
y
il
l
u
m
in
ated
r
o
ad
w
a
y
w
it
h
lo
w
co
n
tr
a
s
t
T
r
ain
in
g
w
a
s
ca
r
r
ied
o
u
t
u
s
i
n
g
a
co
s
i
n
e
-
a
n
n
ea
led
lear
n
i
n
g
r
ate
s
ch
ed
u
le,
b
eg
i
n
n
i
n
g
at
1
×1
0
⁻³
an
d
g
r
ad
u
all
y
r
ed
u
ci
n
g
to
1
×1
0
⁻⁶
o
v
er
th
e
f
u
ll
tr
ai
n
in
g
c
y
cle.
A
b
atch
s
ize
o
f
3
2
w
as
s
elec
te
d
,
an
d
tr
ain
in
g
w
a
s
p
er
f
o
r
m
ed
f
o
r
3
0
0
e
p
o
ch
s
to
en
s
u
r
e
co
n
v
er
g
en
ce
u
n
d
er
d
iv
er
s
e
n
i
g
h
t
-
ti
m
e
s
ce
n
ar
io
s
.
3
.
3
.
P
re
-
pro
ce
s
s
ing
T
h
e
m
et
h
o
d
d
escr
ib
ed
in
th
e
ar
ticle
m
er
g
es
DL
-
b
ased
o
b
j
ec
t
d
etec
tio
n
w
it
h
ad
v
a
n
ce
d
v
is
ib
ilit
y
i
m
p
r
o
v
e
m
en
t
a
lg
o
r
it
h
m
s
,
allo
w
i
n
g
f
o
r
th
e
s
u
cc
e
s
s
f
u
l
d
etec
t
io
n
o
f
lo
w
l
ig
h
t
v
is
io
n
.
An
es
s
en
tia
l
p
ar
t
o
f
t
h
is
ap
p
r
o
ac
h
is
en
h
a
n
cin
g
v
is
ib
ili
t
y
in
p
r
e
-
p
r
o
ce
s
s
ed
n
ig
h
tti
m
e
p
h
o
to
g
r
ap
h
s
u
s
i
n
g
t
h
e
R
o
b
u
s
t
R
eti
n
ex
m
o
d
el
an
d
co
n
tr
ast
li
m
ited
ad
ap
tiv
e
h
is
to
g
r
a
m
eq
u
aliza
tio
n
(
C
L
A
HE
)
.
T
h
is
s
tu
d
y
's
n
o
v
e
l
co
n
tr
ib
u
tio
n
is
th
e
w
a
y
i
t
u
s
e
s
th
e
R
o
b
u
s
t
R
e
tin
e
x
m
o
d
el
an
d
C
L
A
HE
,
t
w
o
s
tate
-
of
-
t
h
e
-
ar
t
p
r
e
-
p
r
o
ce
s
s
i
n
g
m
eth
o
d
s
,
in
tan
d
e
m
.
T
h
e
co
m
b
i
n
atio
n
o
f
th
ese
m
eth
o
d
s
p
r
o
d
u
ce
s
a
s
u
p
p
lem
e
n
tar
y
p
ip
elin
e
th
at
is
s
p
ec
i
f
icall
y
d
es
ig
n
ed
to
tack
le
th
e
d
if
f
ic
u
lt
ies
o
f
n
i
g
h
t
ti
m
e
d
etec
tio
n
o
n
Ob
j
ec
t,
ev
en
th
o
u
g
h
ea
ch
o
f
th
e
m
ex
ce
ls
at
en
h
a
n
ci
n
g
i
m
a
g
e
q
u
alit
y
o
n
its
o
w
n
.
R
eti
n
ex
m
ak
e
s
s
u
r
e
th
at
t
h
e
c
o
n
tr
ast
en
h
a
n
ce
m
e
n
t
s
m
ad
e
b
y
C
L
A
HE
ar
e
p
er
ce
p
tu
all
y
n
at
u
r
al,
s
o
th
e
co
lo
u
r
s
o
f
o
b
j
ec
ts
s
ta
y
tr
u
e
an
d
t
h
er
e's
le
s
s
ch
a
n
ce
o
f
m
i
s
clas
s
i
f
icatio
n
b
ec
au
s
e
to
u
n
r
ea
lis
tic
p
ictu
r
e
d
is
to
r
tio
n
s
.
W
h
en
t
h
ese
m
et
h
o
d
s
ar
e
co
m
b
in
ed
,
th
e
y
cr
ea
t
e
a
n
e
w
p
ip
elin
e
w
ith
s
u
p
er
io
r
p
er
f
o
r
m
an
ce
t
h
a
n
an
y
o
f
th
e
m
co
u
ld
p
r
o
v
id
e
o
n
th
e
ir
o
w
n
.
I
n
o
r
d
er
to
g
et
th
e
p
ictu
r
e
r
ea
d
y
f
o
r
g
lo
b
al
n
o
r
m
aliza
t
io
n
an
d
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.
15
,
No
.
2
,
J
u
l
y
202
6
:
534
-
5
5
2
540
illu
m
i
n
atio
n
i
n
co
n
s
is
ten
c
y
r
e
m
o
v
al
b
y
R
eti
n
e
x
,
C
L
A
H
E
i
m
p
r
o
v
es
co
n
tr
a
s
t
,
an
d
e
d
g
e
v
is
ib
ilit
y
.
T
h
is
m
et
h
o
d
ical
ap
p
r
o
ac
h
en
h
a
n
ce
s
th
e
s
tr
en
g
t
h
s
o
f
ea
ch
s
tr
ateg
y
w
h
ile
m
in
i
m
izin
g
t
h
eir
s
p
ec
i
f
ic
w
ea
k
n
e
s
s
e
s
.
Fo
r
in
s
ta
n
ce
,
R
eti
n
ex
ac
h
ie
v
es
a
w
ell
-
b
ala
n
ce
d
an
d
h
ig
h
-
q
u
ali
t
y
p
ictu
r
e
b
y
co
m
p
en
s
ati
n
g
f
o
r
C
L
A
HE
'
s
ten
d
e
n
c
y
to
o
v
er
-
en
h
an
ce
n
o
is
e
i
n
d
ar
k
e
r
ar
ea
s
b
y
s
m
o
o
th
i
n
g
ill
u
m
in
at
io
n
tr
an
s
i
tio
n
s
.
3
.
4
.
SCL
-
YO
L
O
v
1
1
net
w
o
r
k
s
t
ruct
ure
des
ig
n
T
h
e
m
o
d
el
h
as
a
ten
d
en
c
y
to
m
is
s
i
m
p
o
r
tan
t
lo
w
-
q
u
ali
t
y
tar
g
et
f
ea
t
u
r
es
d
u
r
i
n
g
t
h
e
f
ir
s
t
co
n
v
o
l
u
tio
n
an
d
p
o
o
lin
g
s
ta
g
es
,
w
h
ic
h
m
i
g
h
t
r
e
s
u
l
t
in
t
h
e
tar
g
e
ts
n
o
t
b
ein
g
r
ec
o
g
n
ized
,
d
u
e
to
th
e
f
ac
t
th
at
lo
w
-
q
u
alit
y
tar
g
ets
co
n
tai
n
les
s
s
i
g
n
i
f
ican
t
f
ea
t
u
r
e
cu
e
s
co
m
p
ar
ed
to
r
eg
u
lar
tar
g
et
s
.
B
ec
au
s
e
lo
w
-
q
u
al
it
y
tar
g
ets
ar
e
m
o
r
e
co
m
m
o
n
i
n
lo
w
-
l
ig
h
t
s
etti
n
g
s
,
th
is
is
s
u
e
b
ec
o
m
e
s
m
u
c
h
m
o
r
e
n
o
ticea
b
le
th
er
e.
T
h
er
ef
o
r
e,
m
i
n
i
m
izi
n
g
t
h
e
lo
s
s
o
f
f
ea
t
u
r
es
f
r
o
m
lo
w
-
q
u
alit
y
t
ar
g
ets
d
u
r
i
n
g
t
h
e
ea
r
l
y
s
ta
g
es
o
f
f
ea
t
u
r
e
e
x
tr
ac
tio
n
i
s
a
s
ig
n
i
f
ica
n
t
p
r
o
b
le
m
f
o
r
d
ev
elo
p
in
g
tar
g
et
id
en
ti
f
ica
tio
n
m
o
d
els.
M
i
c
r
o
s
o
f
t'
s
2
0
2
4
p
r
o
p
o
s
a
l
,
S
ta
r
N
e
t
,
is
an
in
n
o
v
a
t
iv
e
l
ig
h
tw
eig
h
t
n
e
tw
o
r
k
th
at
u
s
es
a
co
n
v
e
n
t
i
o
n
al
l
ay
e
r
e
d
a
r
c
h
i
t
e
ctu
r
e
w
it
h
f
o
u
r
p
h
a
s
e
s
th
at
s
e
q
u
en
t
i
a
lly
d
o
u
b
le
t
h
e
n
u
m
b
e
r
o
f
ch
an
n
e
ls
.
T
h
e
p
r
o
c
e
s
s
o
f
f
e
at
u
r
e
e
x
t
r
ac
t
i
o
n
is
c
a
r
r
i
e
d
o
u
t
u
s
i
n
g
S
t
a
r
B
l
o
ck
s
,
w
h
i
ch
in
c
o
r
p
o
r
a
t
e
d
e
p
t
h
w
is
e
c
o
n
v
o
lu
t
i
o
n
s
,
w
h
i
le
d
o
w
n
s
am
p
l
in
g
is
d
o
n
e
b
y
c
o
n
v
o
lu
t
i
o
n
a
l
l
a
y
e
r
s
.
B
a
t
c
h
n
o
r
m
al
i
z
at
i
o
n
,
w
h
i
ch
i
s
u
s
e
d
af
t
e
r
d
e
p
t
h
-
w
is
e
c
o
n
v
o
lu
ti
o
n
i
n
s
te
a
d
o
f
l
ay
e
r
n
o
r
m
a
l
iz
a
t
i
o
n
,
c
an
g
r
e
a
tly
en
h
a
n
c
e
c
o
m
p
u
t
at
i
o
n
a
l
ef
f
i
ci
en
cy
.
H
e
r
e
i
s
h
o
w
th
e
S
t
a
r
B
l
o
ck
s
'
f
e
a
tu
r
e
p
r
o
c
es
s
i
n
g
p
r
o
c
e
d
u
r
e
l
o
o
k
s
l
ik
e
.
T
h
e
i
n
p
u
t
f
ea
tu
r
e
s
a
r
e
f
i
r
s
t
s
u
b
je
c
t
e
d
t
o
a
d
e
p
t
h
-
w
is
e
s
e
p
a
r
a
b
l
e
c
o
n
v
o
lu
ti
o
n
o
p
e
r
at
i
o
n
,
w
ith
x
r
e
p
r
e
s
en
tin
g
t
h
e
o
u
t
p
u
t
.
I
n
a
d
d
i
t
i
o
n
,
x
i
s
h
an
d
l
e
d
in
p
ar
a
l
l
e
l
b
y
tw
o
b
r
a
n
c
h
e
s
:
o
n
e
is
n
o
r
m
a
li
z
e
d
af
t
e
r
c
o
n
v
o
lu
t
i
o
n
,
an
d
th
e
o
th
e
r
i
s
c
o
n
v
o
lu
t
i
o
n
w
i
th
a
n
a
c
ti
v
a
t
i
o
n
f
u
n
c
ti
o
n
f
o
l
l
o
w
e
d
b
y
b
at
ch
n
o
r
m
a
li
z
a
ti
o
n
.
T
h
e
r
e
s
u
l
ts
o
f
b
o
th
b
r
a
n
ch
es
a
r
e
th
e
n
m
u
l
ti
p
l
i
e
d
i
te
r
a
t
iv
ely
.
B
y
ap
p
ly
in
g
a
s
e
c
o
n
d
d
e
p
th
w
is
e
s
e
p
a
r
a
b
l
e
c
o
n
v
o
lu
ti
o
n
t
o
t
h
e
r
es
u
l
t
o
f
t
h
e
s
e
c
o
n
d
s
te
p
a
n
d
t
h
e
n
a
d
d
in
g
i
t
el
em
en
t
-
w
i
s
e
t
o
th
e
o
r
i
g
in
a
l
in
p
u
t
f
e
a
tu
r
es
F
,
th
e
S
ta
r
B
l
o
c
k
s
m
o
d
u
l
e
f
in
al
ly
p
r
o
d
u
c
es
i
ts
f
in
a
l
o
u
t
p
u
t
.
Su
ch
a
c
o
m
p
u
t
a
ti
o
n
is
d
e
s
c
r
i
b
e
d
b
y
(
3
)
an
d
(
4
)
:
=
(
)
(
3
)
=
+
(
(
(
)
∗
(
)
)
)
(
4
)
w
h
er
e
is
i
n
p
u
t
f
ea
tu
r
e,
is
o
u
tp
u
t
o
f
i
n
itial
f
ea
t
u
r
e
p
r
o
ce
s
s
in
g
,
(
x
)
d
en
o
tes
th
e
d
ep
th
w
i
s
e
s
ep
ar
ab
le
co
n
v
o
lu
tio
n
o
p
er
atio
n
.
Me
a
n
w
h
ile,
is
t
h
e
o
u
tp
u
t
o
f
t
h
e
St
ar
B
lo
ck
s
,
(
)
r
ep
r
esen
ts
th
e
co
n
v
o
lu
tio
n
a
n
d
b
atch
n
o
r
m
a
lizatio
n
o
p
er
atio
n
s
,
a
n
d
(
)
d
en
o
tes
t
h
e
o
p
er
atio
n
co
m
p
r
is
i
n
g
a
co
n
v
o
l
u
tio
n
w
it
h
a
R
e
L
U
ac
tiv
atio
n
f
u
n
ctio
n
f
o
llo
w
ed
b
y
b
atch
n
o
r
m
aliza
tio
n
.
I
n
s
p
ir
ed
b
y
Star
Ne
t’
s
e
x
ce
p
tio
n
al
li
g
h
t
w
ei
g
h
t
d
esi
g
n
an
d
in
f
o
r
m
atio
n
e
x
tr
ac
tio
n
ca
p
a
b
ilit
y
,
t
h
i
s
r
esear
ch
p
r
o
p
o
s
es SC
L
-
Y
O
L
Ov
1
1
m
o
d
el,
w
h
ic
h
le
v
er
a
g
es
Star
Net
s
tr
u
c
tu
r
e
to
r
ep
lace
C
o
n
v
la
y
er
s
an
d
C
3
k
2
b
lo
ck
s
in
b
ac
k
b
o
n
e
o
f
YO
L
Ov
1
1
.
I
n
ad
d
itio
n
,
Star
m
o
d
u
les
f
r
o
m
Star
Net
ar
e
f
u
s
ed
w
it
h
C
3
k
2
b
lo
ck
s
in
YOL
O
v
1
1
h
ea
d
to
f
o
r
m
C
3
k
2
Star
m
o
d
u
le
.
T
h
is
ap
p
r
o
ac
h
f
u
r
t
h
er
en
h
an
ce
s
m
o
d
el’
s
f
ea
t
u
r
e
ex
tr
ac
tio
n
an
d
m
u
lti
-
s
ca
le
i
n
f
o
r
m
atio
n
f
u
s
io
n
w
h
ile
r
ed
u
ci
n
g
p
ar
a
m
e
ter
s
an
d
co
m
p
u
ta
tio
n
al
co
s
t.
3
.
5
.
Det
ec
t
io
n
hea
d desi
g
n a
nd
lo
ca
liza
t
io
n lo
s
s
o
pti
m
iza
t
io
n
I
n
o
r
ig
i
n
al
Y
O
L
Ov
1
1
d
ete
ctio
n
h
ea
d
,
d
ata
n
o
r
m
a
lizat
io
n
is
r
eq
u
ir
ed
to
ac
ce
ler
a
te
m
o
d
el
co
n
v
er
g
e
n
ce
,
i
m
p
r
o
v
e
g
en
er
a
lizatio
n
,
a
n
d
p
r
ev
en
t
g
r
ad
ien
t
v
a
n
is
h
i
n
g
o
r
e
x
p
lo
s
io
n
.
Mo
s
t
co
m
m
o
n
l
y
u
s
ed
n
o
r
m
aliza
t
io
n
tec
h
n
iq
u
e
i
s
b
atch
n
o
r
m
aliza
t
io
n
(
B
atch
No
r
m
)
,
w
h
ic
h
o
f
f
er
s
f
aster
co
n
v
er
g
e
n
ce
,
r
ed
u
ce
d
d
ep
en
d
en
ce
o
n
in
i
tial
w
ei
g
h
t
s
,
an
d
lo
w
er
r
is
k
o
f
o
v
er
f
itt
in
g
.
Ho
w
e
v
er
,
B
at
ch
No
r
m
i
s
h
ig
h
l
y
s
e
n
s
i
tiv
e
to
b
atch
s
ize.
I
f
b
atch
s
ize
is
to
o
s
m
a
ll,
co
m
p
u
ted
m
ea
n
a
n
d
v
ar
ian
ce
m
a
y
n
o
t
ad
eq
u
atel
y
r
e
p
r
esen
t
e
n
tire
d
ata
d
is
tr
ib
u
tio
n
,
p
o
te
n
tiall
y
lead
i
n
g
to
d
eg
r
ad
ed
m
o
d
el
p
er
f
o
r
m
an
ce
.
T
o
ef
f
ec
ti
v
el
y
ad
d
r
ess
t
h
ese
is
s
u
e
s
,
a
lig
h
t
w
ei
g
h
t d
e
tectio
n
h
ea
d
b
as
ed
o
n
d
etail
-
en
h
a
n
ce
d
co
n
v
o
l
u
tio
n
an
d
s
h
ar
ed
co
n
v
o
lu
tio
n
i
s
d
esig
n
ed
.
3
.
5
.
1
.
L
i
m
it
a
t
io
ns
o
f
co
nv
ent
io
na
l
inte
rsect
io
n o
v
er
un
io
n
-
ba
s
ed
lo
s
s
f
un
ct
io
n
s
No
r
m
a
l
in
ter
s
ec
tio
n
o
v
er
u
n
io
n
(
I
o
U
)
-
b
ased
lo
s
s
f
u
n
ctio
n
s
r
el
y
o
n
th
e
o
v
er
lap
ar
ea
b
etw
ee
n
p
r
ed
icted
an
d
g
r
o
u
n
d
-
tr
u
t
h
b
o
u
n
d
i
n
g
b
o
x
es.
I
n
lo
w
-
li
g
h
t
s
ce
n
ar
io
s
,
ea
r
l
y
p
r
ed
ictio
n
s
m
a
y
b
e
s
p
atiall
y
c
lo
s
e
to
th
e
tar
g
et
b
u
t
e
x
h
ib
it
litt
le
o
r
n
o
o
v
er
lap
.
T
h
is
li
m
i
tatio
n
w
il
l
b
ec
o
m
e
s
er
io
u
s
i
n
n
i
g
h
t
-
ti
m
e
i
m
ag
e
s
w
h
er
e
f
ea
t
u
r
e
q
u
alit
y
is
r
ed
u
ce
d
.
L
et
an
d
d
en
o
te
th
e
p
r
ed
icted
an
d
g
r
o
u
n
d
-
tr
u
th
b
o
u
n
d
i
n
g
b
o
x
es,
r
esp
ec
ti
v
el
y
.
T
h
e
co
n
v
e
n
tio
n
al
I
o
U
is
d
e
f
in
ed
as
in
(
5
)
:
(
,
)
=
|
∩
|
|
∪
|
(
5
)
W
h
en
∣
Bp
∩
Bg
∣
≈
0
,
th
e
lo
s
s
g
r
ad
ien
t
p
r
o
v
id
es
li
m
ited
co
r
r
ec
tiv
e
g
u
id
a
n
ce
,
ev
e
n
i
f
t
h
e
b
o
x
ce
n
ter
s
ar
e
clo
s
el
y
alig
n
ed
.
T
h
is
ef
f
ec
t is p
ar
ticu
l
ar
l
y
p
r
o
n
o
u
n
ce
d
in
n
i
g
h
t
-
ti
m
e
s
ce
n
e
s
w
it
h
p
o
o
r
f
ea
tu
r
e
v
is
ib
i
lit
y
.
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
R
ev
o
lu
tio
n
iz
in
g
n
i
g
h
t
-
time
o
b
j
ec
t d
etec
tio
n
in
a
u
to
n
o
mo
u
s
v
eh
icles w
ith
S
C
L
…
(
K
o
n
d
a
p
a
lli
S
r
i V
ija
ya
)
541
3
.
5
.
2
.
Dis
t
a
nce
-
a
w
a
re
lo
c
a
liza
t
io
n lo
s
s
f
o
r
m
ula
t
io
n
T
o
o
v
er
co
m
e
th
e
ab
o
v
e
is
s
u
e
s
,
a
m
in
i
m
u
m
p
o
in
t
d
is
ta
n
ce
-
b
ased
I
o
U
(
MP
D
-
I
o
U)
lo
s
s
is
u
s
ed
to
a
d
d
th
e
s
p
atial
p
r
o
x
i
m
it
y
in
to
th
e
r
eg
r
ess
io
n
o
b
j
ec
tiv
e.
T
h
is
f
o
r
m
u
latio
n
en
co
u
r
ag
e
s
s
p
atial
alig
n
m
e
n
t
b
ef
o
r
e
f
u
l
l
o
v
er
lap
is
ac
h
ie
v
ed
,
i
m
p
r
o
v
i
n
g
ea
r
l
y
-
s
ta
g
e
lo
ca
lizatio
n
b
eh
a
v
io
r
.
L
et
{
}
=
1
4
an
d
{
}
=
1
4
r
ep
r
esen
t
th
e
co
r
n
er
p
o
in
ts
o
f
an
d
,
r
esp
ec
tiv
el
y
.
T
h
e
m
i
n
i
m
u
m
p
o
i
n
t
d
is
tan
ce
(
6
)
is
d
ef
i
n
ed
as:
=
m
i
n
|
|
–
||2
(
6
)
T
h
e
MP
D
-
I
o
U
lo
s
s
is
f
o
r
m
u
lat
ed
as sh
o
w
n
i
n
(
7
)
:
−
=1
–
I
o
U(
,
)
+
λ
.
(
7
)
w
h
er
e
λ
is
a
w
ei
g
h
ti
n
g
f
ac
to
r
an
d
D
d
en
o
tes
th
e
d
iag
o
n
al
l
en
g
t
h
o
f
t
h
e
s
m
a
lles
t
e
n
clo
s
i
n
g
b
o
x
co
v
er
in
g
an
d
.
T
h
is
f
o
r
m
u
latio
n
e
n
s
u
r
es
th
a
t
m
ea
n
i
n
g
f
u
l
g
r
ad
ien
ts
ar
e
p
r
eser
v
ed
ev
en
w
h
e
n
o
v
er
lap
is
li
m
i
ted
,
g
u
id
i
n
g
p
r
ed
ictio
n
s
to
w
ar
d
s
p
atial
alig
n
m
en
t b
ef
o
r
e
f
u
ll o
v
e
r
lap
is
ac
h
iev
ed
.
3
.
5
.
3
.
O
v
er
a
ll
det
ec
t
io
n lo
s
s
f
un
ct
io
n
T
h
e
co
m
p
le
te
d
et
ec
t
io
n
l
o
s
s
in
teg
r
ates
cl
ass
if
ic
ati
o
n
,
o
b
j
e
ctiv
en
ess
,
an
d
lo
ca
l
iza
ti
o
n
co
m
p
o
n
en
ts
(
8)
:
=
+
+
−
(
8
)
T
h
e
f
in
al
d
etec
tio
n
lo
s
s
i
n
teg
r
ates
class
if
ica
tio
n
,
o
b
j
ec
tn
ess
,
an
d
lo
ca
lizatio
n
co
m
p
o
n
e
n
ts
,
as
d
ef
i
n
ed
in
(
8
)
.
B
y
e
m
b
ed
d
in
g
g
eo
m
etr
ic
d
is
tan
ce
in
to
th
e
lo
ca
lizatio
n
ter
m
,
th
e
d
etec
tio
n
h
ea
d
b
ec
o
m
e
s
les
s
s
en
s
iti
v
e
to
illu
m
in
a
tio
n
n
o
is
e
an
d
m
o
r
e
r
o
b
u
s
t to
in
ac
cu
r
ate
ea
r
l
y
p
r
e
d
ictio
n
s
.
3
.
5
.
4
.
L
o
s
s
f
un
ct
io
n
s
elec
t
io
n
in SCL
-
YO
L
O
V1
1
I
n
YO
L
O
v
1
1
,
co
m
p
lete
i
n
t
er
s
ec
tio
n
o
v
er
u
n
io
n
(
C
I
o
U)
lo
s
s
f
u
n
ctio
n
is
e
m
p
lo
y
ed
.
L
et
a
n
ch
o
r
b
o
x
b
e
=
[
,
,
,
ℎ
]
b
esid
es
tar
g
e
t
b
o
x
b
e
=
[
,
,
,
ℎ
]
,
an
d
let
=
[
,
,
,
ℎ
]
.
C
alc
u
latio
n
o
f
C
I
o
U
is
g
i
v
e
n
b
y
(
9
)
-
(
1
3
)
:
=
∩
∪
(
9
)
=
+
(
−
)
2
+
(
−
)
2
2
+
2
+
(
1
0
)
=
1
−
=
1
−
ℎ
+
ℎ
−
(
1
1
)
=
+
(
1
2
)
=
4
2
(
(
ℎ
)
−
(
ℎ
)
)
2
(
1
3
)
w
h
er
e
,
,
ar
e
o
v
er
lap
p
in
g
ar
ea
d
im
e
n
s
io
n
s
o
f
t
h
e
t
w
o
b
o
x
es,
an
d
,
g
r
ep
r
esen
t
th
e
d
i
m
e
n
s
io
n
s
o
f
s
m
al
lest
en
c
lo
s
in
g
r
ec
tan
g
le.
T
h
e
p
ar
am
eter
α
d
en
o
tes
th
e
c
o
ef
f
icie
n
t
w
ei
g
h
t,
an
d
is
th
e
s
i
m
ilar
it
y
m
ea
s
u
r
e
o
f
asp
ec
t r
atio
s
th
at
i
s
o
p
ti
m
al
l
y
s
elec
ted
b
y
R
O
A
m
o
d
el.
3
.
6
.
W
e
i
g
h
t
c
o
e
f
f
i
c
i
e
n
t
a
n
d
a
s
p
e
c
t
r
a
t
i
o
s
o
p
t
i
m
i
z
a
t
i
o
n
u
s
i
n
g
r
e
v
o
l
u
t
i
o
n
o
p
t
i
m
i
z
a
t
i
o
n
a
l
g
o
r
i
t
hm
T
h
is
s
ec
tio
n
in
tr
o
d
u
ce
s
t
h
e
R
O
A
,
f
o
cu
s
i
n
g
f
ir
s
t
o
n
th
e
co
n
ce
p
tu
al
f
r
a
m
e
w
o
r
k
th
a
t
in
s
p
ir
ed
its
cr
ea
tio
n
.
Fo
llo
w
in
g
t
h
i
s
,
t
h
e
s
ec
tio
n
p
r
o
v
id
es
a
d
etailed
m
at
h
e
m
a
tical
m
o
d
el
o
f
t
h
e
al
g
o
r
it
h
m
to
d
e
m
o
n
s
tr
ate
h
o
w
it c
an
b
e
ap
p
lied
ef
f
ec
ti
v
el
y
to
v
ar
io
u
s
o
p
ti
m
izatio
n
p
r
o
b
lem
s
.
L
et
H=
{θ
1
,θ
2
,
…,
θ
P
}
d
en
o
te
a
p
o
p
u
latio
n
o
f
P
ca
n
d
id
ate
p
ar
a
m
eter
v
ec
to
r
s
,
w
h
er
e
ea
ch
en
co
d
es
m
o
d
el
-
s
p
ec
i
f
ic
h
y
p
er
p
ar
am
eter
s
s
u
ch
as
lear
n
i
n
g
r
ate,
an
ch
o
r
s
ca
lin
g
f
ac
to
r
s
,
an
d
lo
s
s
w
ei
g
h
tin
g
co
ef
f
icie
n
t
s
.
T
h
e
q
u
alit
y
o
f
ea
ch
ca
n
d
id
ate
is
e
v
al
u
ated
u
s
i
n
g
a
f
it
n
es
s
f
u
n
ctio
n
d
e
f
i
n
ed
as g
iv
e
n
i
n
(
1
4
)
:
J(
)
=α
⋅
(
1
−
m
A
P
)
+β
⋅
(
1
4
)
w
h
er
e
α
a
n
d
β co
n
tr
o
l th
e
tr
ad
e
-
o
f
f
b
et
w
ee
n
d
etec
tio
n
ac
cu
r
ac
y
an
d
tr
ain
in
g
s
tab
ili
t
y
.
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.
15
,
No
.
2
,
J
u
l
y
202
6
:
534
-
5
5
2
542
T
o
o
p
tim
ize
t
h
e
h
y
p
er
p
ar
a
m
et
er
s
o
f
th
e
p
r
o
p
o
s
ed
SC
L
-
YO
L
Ov
1
1
m
o
d
el,
th
e
R
O
A
is
e
m
p
lo
y
ed
.
T
h
e
o
v
er
all
o
p
tim
izatio
n
p
r
o
ce
d
u
r
e,
in
clu
d
in
g
p
o
p
u
lat
io
n
i
n
itia
lizatio
n
,
ca
n
d
id
ate
u
p
d
ate,
s
el
f
-
a
w
ar
en
ess
r
e
f
in
e
m
e
n
t,
a
n
d
f
it
n
es
s
ev
al
u
atio
n
,
is
s
u
m
m
ar
i
ze
d
in
th
e
A
l
g
o
r
ith
m
1
.
A
l
g
o
r
ith
m
1
.
R
O
A
-
b
ased
h
y
p
er
p
ar
am
eter
o
p
ti
m
izatio
n
f
o
r
SC
L
-
YO
L
O
v
1
1
I
np
ut:
I
n
i
tial p
ar
a
m
eter
p
o
p
u
latio
n
H
,
m
a
x
i
m
u
m
iter
atio
n
s
T
O
utput
:
Op
ti
m
ized
p
ar
a
m
eter
s
et
∗
1.
I
n
itialize
p
o
p
u
latio
n
H=
{θ
1
,θ
2
,
…,
θ
P
}
2.
E
v
alu
a
te
f
it
n
e
s
s
J
(
)
f
o
r
ea
ch
ca
n
d
id
ate
3.
F
o
r
t=1
to
T
:
o
A
p
p
l
y
id
eo
lo
g
ical
r
e
v
o
lu
t
io
n
t
o
d
iv
er
s
if
y
ca
n
d
id
ates
o
Up
d
ate
ca
n
d
id
ates th
r
o
u
g
h
m
o
v
e
m
e
n
t p
h
a
s
e
o
P
er
f
o
r
m
s
e
lf
-
a
w
ar
e
n
ess
r
e
f
i
n
e
m
en
t
o
Re
-
e
v
al
u
ate
f
it
n
ess
a
n
d
r
etain
b
est ca
n
d
id
ates
4.
R
etu
r
n
∗
=
ar
g
∈
J(
)
T
h
e
b
o
u
n
d
in
g
b
o
x
p
r
ed
ictio
n
i
s
co
m
p
u
ted
as:
B
=
(
x
,
y
,
w
,
h
,
c)
W
h
er
e
•
x
,
y
r
ep
r
esen
t t
h
e
ce
n
ter
co
o
r
d
i
n
ates o
f
t
h
e
b
o
u
n
d
in
g
b
o
x
•
w
,
h
d
en
o
te
w
id
th
a
n
d
h
ei
g
h
t
•
c
in
d
icate
s
o
b
j
ec
t c
o
n
f
id
en
ce
s
co
r
e.
T
h
e
f
in
al
d
etec
tio
n
p
r
o
b
ab
ilit
y
is
co
m
p
u
ted
as
P
final
= P
obj
×
P
class
w
h
er
e
•
P
obj
is
o
b
j
ec
tn
ess
p
r
o
b
ab
ilit
y
•
P
class
is
class
p
r
o
b
ab
ilit
y
.
3
.
6
.
1
.
Alg
o
rit
h
m
ini
t
ia
liza
t
io
n
R
O
A
is
a
p
o
p
u
latio
n
-
b
ased
m
eth
o
d
,
w
h
ic
h
m
ea
n
s
it
ex
p
lo
r
es
th
e
p
r
o
b
lem
s
p
ac
e
b
y
u
s
in
g
a
g
r
o
u
p
o
f
p
o
s
s
ib
le
s
o
lu
t
io
n
s
.
E
v
er
y
m
e
m
b
er
o
f
t
h
e
p
o
p
u
latio
n
s
ta
n
d
s
in
f
o
r
a
d
if
f
er
en
t
s
et
o
f
ch
o
ice
f
ac
to
r
s
th
at
co
r
r
esp
o
n
d
to
a
d
if
f
er
en
t
s
o
lu
t
io
n
.
I
n
(
1
5
)
,
th
ese
ele
m
e
n
ts
ar
e
r
ep
r
esen
ted
as
m
a
th
e
m
atica
l
v
ec
to
r
s
t
h
at,
w
h
e
n
co
m
b
i
n
ed
,
co
n
s
tit
u
te
th
e
s
o
l
u
tio
n
m
atr
i
x
.
T
o
av
o
id
ea
r
ly
co
n
v
er
g
e
n
ce
an
d
g
u
ar
an
tee
e
n
o
u
g
h
d
iv
er
s
it
y
,
th
e
p
r
o
ce
d
u
r
e
b
eg
in
s
b
y
r
an
d
o
m
l
y
g
en
er
ati
n
g
th
e
s
tar
tin
g
p
o
p
u
la
tio
n
o
v
er
th
e
s
o
l
u
tio
n
s
p
ac
e
u
s
in
g
(
1
6
)
:
=
[
1
,
1
⋯
1
,
⋯
1
,
⋮
⋱
⋮
⋰
⋮
,
1
⋮
,
1
⋯
⋰
⋯
,
⋮
,
⋯
⋱
⋯
,
⋮
,
]
×
(
1
5
)
,
=
+
×
(
−
)
(
1
6
)
I
n
th
ese
r
ec
k
o
n
i
n
g
s
,
ch
ar
ac
ter
is
es
p
o
p
u
latio
n
m
atr
ix
,
i
is
ith
R
O
A’
s
m
e
m
b
er
,
i
,
j
is
th
e
v
alu
e
allo
ca
ted
to
th
e
j
th
v
ar
iab
le
b
y
ith
m
e
m
b
er
,
b
esid
es
s
ig
n
if
y
s
u
m
o
f
p
o
p
u
latio
n
m
e
m
b
er
s
b
esid
es
p
r
o
b
lem
v
ar
iab
les,
co
r
r
esp
o
n
d
in
g
l
y
.
T
h
e
p
ar
am
eter
s
j
an
d
j
ar
e
b
o
u
n
d
s
f
o
r
ea
ch
v
ar
iab
le,
w
h
ile
i
s
a
r
an
d
o
m
s
u
m
a
m
o
n
g
0
b
esid
es 1
.
Af
ter
i
n
itiali
s
atio
n
,
a
v
ec
to
r
o
f
f
u
n
ctio
n
v
al
u
e
s
is
p
r
o
d
u
ce
d
b
y
e
v
al
u
ati
n
g
th
e
o
b
j
ec
tiv
e
f
u
n
ctio
n
f
o
r
ea
ch
ele
m
e
n
t,
as
s
h
o
w
n
i
n
(
1
7
)
.
T
h
e
cu
r
r
en
t
lead
er
is
th
e
m
e
m
b
er
w
h
o
h
a
s
p
r
o
d
u
ce
d
th
e
h
ig
h
est
o
b
j
ec
tiv
e
v
alu
e
; th
e
y
w
ill
s
teer
th
e
s
ea
r
ch
m
o
v
in
g
f
o
r
w
ar
d
.
=
[
1
⋮
⋮
]
×
1
=
[
(
1
)
⋮
(
)
⋮
(
)
]
×
1
(
1
7
)
Her
e,
F
s
ta
n
d
s
f
o
r
th
e
v
ec
t
o
r
o
f
o
b
j
ec
tiv
e
f
u
n
ctio
n
s
,
wh
ich
co
n
tai
n
s
all
o
f
t
h
e
o
p
ti
m
is
a
tio
n
p
r
o
b
le
m
's
co
llectiv
e
g
o
al
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
R
ev
o
lu
tio
n
iz
in
g
n
i
g
h
t
-
time
o
b
j
ec
t d
etec
tio
n
in
a
u
to
n
o
mo
u
s
v
eh
icles w
ith
S
C
L
…
(
K
o
n
d
a
p
a
lli
S
r
i V
ija
ya
)
543
3
.
6
.
2
.
P
ha
s
e
1
:
re
v
o
lutio
n
ideo
lo
g
y
I
n
itiall
y
,
th
e
R
O
A
m
o
d
els
t
h
e
p
o
p
u
latio
n
'
s
b
eh
a
v
io
u
r
ac
co
r
d
in
g
to
h
o
w
th
e
id
eo
lo
g
y
o
f
t
h
e
r
ev
o
lu
tio
n
lead
er
af
f
ec
ts
i
n
d
i
v
id
u
als
i
n
s
o
ciet
y
.
T
h
e
m
o
s
t
ac
co
m
p
li
s
h
ed
tea
m
m
e
m
b
er
,
s
o
m
eti
m
es
ca
lled
th
e
"
b
est
m
e
m
b
er
,
"
is
ch
o
s
e
n
to
b
e
th
e
lead
er
,
f
o
llo
w
i
n
g
th
e
p
r
i
n
cip
le
th
at
t
h
e
m
o
s
t
p
o
w
er
f
u
l
p
er
s
o
n
m
a
y
i
n
s
p
ir
e
th
e
m
o
s
t
cr
ea
ti
v
e
id
ea
s
.
Si
m
i
l
ar
to
h
o
w
a
r
e
v
o
lu
t
io
n
d
o
esn
't
h
ap
p
en
all
at
o
n
ce
b
u
t
r
at
h
er
g
ath
er
s
s
tea
m
o
v
er
ti
m
e,
t
h
is
s
tag
e
o
f
R
O
A
h
i
g
h
l
i
g
h
t
s
t
h
e
lead
er
'
s
i
n
f
l
u
en
ce
g
r
o
w
i
n
g
s
tr
o
n
g
er
o
v
er
ti
m
e
v
ia
id
eo
lo
g
y
.
Usi
n
g
(
1
8
)
an
d
f
ac
to
r
in
g
i
n
th
e
in
cr
ea
s
in
g
id
eo
lo
g
ical
in
f
lu
en
ce
o
f
th
e
lead
er
,
a
n
e
w
p
o
s
itio
n
is
d
eter
m
in
ed
f
o
r
ev
er
y
m
e
m
b
er
.
Me
m
b
er
s
w
ill
b
ec
o
m
e
m
o
r
e
in
li
n
e
w
it
h
th
e
lead
er
'
s
v
is
io
n
as
t
h
e
alg
o
r
it
h
m
d
ev
elo
p
s
,
th
a
n
k
s
to
t
h
is
eq
u
atio
n
.
A
cc
o
r
d
in
g
to
(
1
9
)
,
th
e
m
e
m
b
er
's
p
r
io
r
p
o
s
itio
n
is
r
ep
lace
d
w
it
h
t
h
e
ac
ce
p
tab
le
u
p
d
ate
if
th
e
o
b
j
ec
t
iv
e
f
u
n
ctio
n
c
h
ar
g
e
r
ec
o
v
er
s
w
it
h
t
h
is
n
o
v
el
p
o
s
itio
n
.
,
1
=
(
1
−
)
.
,
+
(
)
.
(
1
8
)
=
{
1
,
1
<
,
(
1
9
)
Her
e,
1
ch
ar
ac
ter
is
e
s
u
p
d
ated
s
ite
o
f
i
th
p
o
p
u
lace
m
e
m
b
er
d
u
r
in
g
f
ir
s
t
p
h
a
s
e,
w
h
ile
,
1
r
ef
er
s
to
j
th
d
im
e
n
s
io
n
u
p
d
ated
s
ite.
T
h
e
o
b
j
ec
tiv
e
f
u
n
ctio
n
v
al
u
e
at
th
is
n
o
v
el
s
ite
is
s
y
m
b
o
lis
ed
b
y
1
.
T
h
e
r
ev
o
lu
tio
n
ar
y
lead
er
,
r
ep
r
esen
ted
b
y
,
h
o
ld
s
a
p
o
s
itio
n
with
as
i
ts
j
th
d
i
m
e
n
s
io
n
.
T
is
t
h
e
m
ax
i
m
u
m
n
u
m
b
er
o
f
iter
atio
n
s
t
h
at
ca
n
b
e
d
o
n
e
in
th
e
m
et
h
o
d
,
an
d
th
e
ter
m
r
ep
r
esen
ts
th
e
cu
r
r
en
t
iter
atio
n
.
T
h
e
m
e
m
b
er
s
m
o
v
e
clo
s
er
to
th
e
l
ea
d
er
w
i
th
ea
c
h
iter
atio
n
,
r
ep
r
esen
ti
n
g
h
o
w
f
o
llo
w
er
s
b
ec
o
m
e
m
o
r
e
co
m
m
itted
to
a
r
ev
o
lu
tio
n
ar
y
ca
u
s
e
a
s
ti
m
e
g
o
es o
n
.
3
.
6
.
3
.
P
ha
s
e
2
:
re
v
o
lutio
na
ry
m
o
v
e
m
ent
(
ex
plo
ra
t
io
n)
B
y
f
ir
s
t
ca
lcu
lat
in
g
a
n
e
w
p
o
s
itio
n
f
o
r
ea
ch
m
e
m
b
er
in
ac
c
o
r
d
an
ce
w
ith
t
h
e
lead
er
'
s
s
tr
at
eg
y
,
R
O
A
ca
n
b
e
m
ad
e
to
m
i
m
ic
th
e
r
ev
o
lu
tio
n
ar
y
m
o
v
e
m
e
n
t
p
h
ase.
I
n
(
2
0
)
,
w
h
ic
h
p
r
ed
icts
h
o
w
f
o
llo
w
er
s
ad
ap
t
th
eir
b
eh
av
io
u
r
to
co
n
f
o
r
m
to
t
h
e
l
ea
d
er
'
s
i
n
f
l
u
e
n
ce
,
m
a
k
es
t
h
i
s
p
o
s
s
ib
le.
Glo
b
al
ex
p
lo
r
atio
n
th
r
o
u
g
h
o
u
t
v
ar
io
u
s
p
ar
ts
o
f
th
e
s
ea
r
ch
s
p
ac
e
is
en
co
u
r
ag
ed
b
y
th
e
in
te
n
d
ed
s
h
i
f
t
s
,
w
h
ich
r
e
f
lect
co
n
s
id
er
ab
le
ch
an
g
es
i
n
t
h
e
p
lace
m
en
t
s
o
f
th
e
m
e
m
b
er
s
.
T
h
e
lik
elih
o
o
d
o
f
f
in
d
in
g
b
etter
s
o
lu
tio
n
s
is
en
h
an
ce
d
b
y
d
o
in
g
s
u
ch
ex
te
n
s
iv
e
s
tu
d
y
.
A
cc
o
r
d
in
g
to
(
2
1
)
,
th
e
r
ev
is
ed
p
o
s
itio
n
i
s
k
ep
t i
f
it i
m
p
r
o
v
es th
e
o
b
j
ec
tiv
e
f
u
n
ctio
n
'
s
v
alu
e.
,
2
=
,
2
+
.
(
−
.
,
2
)
(
2
0
)
=
{
2
,
2
<
,
(
2
1
)
Her
e,
2
d
en
o
tes
n
o
v
el
ca
lcu
la
t
ed
p
o
s
itio
n
f
o
r
ith
p
o
p
u
lace
m
e
m
b
er
p
h
a
s
e
o
f
R
O
A
,
b
esi
d
es
,
2
r
ef
er
s
to
j
th
d
i
m
e
n
s
io
n
o
f
th
i
s
s
ite.
T
h
e
o
b
j
ec
tiv
e
f
u
n
ctio
n
v
al
u
e
at
th
i
s
s
ite
i
s
ch
ar
ac
te
r
is
ed
b
y
2
.
T
h
e
s
y
m
b
o
l
r
e
f
er
s
to
lead
er
’
s
p
o
s
itio
n
,
w
it
h
as
j
th
d
i
m
en
s
io
n
o
f
t
h
at
p
o
s
itio
n
.
T
h
e
ad
j
u
s
t
m
e
n
t
i
s
m
ad
e
m
o
r
e
r
an
d
o
m
b
y
r
an
d
o
m
l
y
s
e
lecti
n
g
v
ar
iab
le
I
f
r
o
m
th
e
co
llectio
n
{1
,
2
}.
A
d
d
itio
n
all
y
,
s
to
ch
a
s
ticit
y
i
s
i
n
clu
d
ed
to
g
u
ar
a
n
tee
d
if
f
er
en
t e
x
p
lo
r
atio
n
b
y
u
s
i
n
g
r
,
w
h
ich
i
s
a
r
an
d
o
m
v
a
l
u
e
i
n
s
id
e
i
n
ter
v
al
[
0
,
1
]
.
3
.
6
.
4
.
P
ha
s
e
3
:
increa
s
ing
s
elf
-
a
w
a
re
nes
s
(
ex
plo
it
a
t
io
n)
T
h
e
p
r
o
g
r
am
cr
ea
te
s
a
n
e
w
p
l
ac
e
at
r
an
d
o
m
c
lo
s
e
to
w
h
er
e
ea
ch
m
e
m
b
er
o
f
t
h
e
p
o
p
u
latio
n
i
s
r
ig
h
t
n
o
w
in
o
r
d
er
to
m
i
m
ic
th
i
s
s
te
p
in
R
O
A
.
I
n
d
i
v
id
u
a
ls
m
ak
e
t
in
y
ad
j
u
s
t
m
e
n
t
s
d
ep
en
d
in
g
o
n
s
elf
-
r
ef
lectio
n
a
n
d
ex
p
er
ien
ce
.
T
h
is
m
eth
o
d
r
ef
le
cts
th
o
s
e
ad
j
u
s
t
m
e
n
t
s
.
T
h
e
p
u
r
p
o
s
e
o
f
th
ese
li
ttle
p
o
s
itio
n
a
l
s
h
i
f
t
s
,
w
h
ic
h
ar
e
d
eter
m
in
ed
u
s
in
g
(
2
2
)
,
is
t
o
al
lo
w
th
e
m
e
m
b
er
s
to
m
ak
e
i
n
c
r
e
m
en
ta
l
i
m
p
r
o
v
e
m
en
t
s
to
th
eir
s
o
lu
tio
n
s
.
D
u
e
to
th
e
m
in
o
r
n
at
u
r
e
o
f
t
h
ese
m
o
d
if
icatio
n
s
,
th
e
s
ea
r
ch
is
co
n
s
tr
ain
ed
to
li
m
ited
r
eg
io
n
s
o
f
t
h
e
p
r
o
b
lem
s
p
ac
e,
w
h
ic
h
en
h
a
n
ce
s
t
h
e
alg
o
r
ith
m
's
ca
p
ac
it
y
to
d
is
co
v
er
s
u
p
er
io
r
s
o
lu
tio
n
s
in
clo
s
e
p
r
o
x
i
m
it
y
to
p
r
ev
io
u
s
l
y
d
is
co
v
er
ed
o
n
es.
Fo
llo
w
i
n
g
t
h
e
m
o
r
e
ex
te
n
s
i
v
e
in
v
es
t
ig
at
i
o
n
th
at
ca
m
e
b
ef
o
r
e
it,
th
e
ad
j
u
s
t
m
e
n
t
p
r
o
ce
d
u
r
e
s
ee
k
s
to
f
i
n
e
-
t
u
n
e
th
e
s
ea
r
ch
i
n
o
r
d
er
to
in
cr
ea
s
e
its
ac
cu
r
ac
y
.
A
cc
o
r
d
in
g
to
(
2
3
)
,
th
e
r
ev
i
s
e
d
m
e
m
b
er
p
o
s
itio
n
s
w
i
ll
o
n
l
y
b
e
ap
p
r
o
v
ed
if
t
h
e
y
lead
to
a
b
etter
o
b
j
ec
tiv
e
f
u
n
ctio
n
v
al
u
e.
T
h
is
p
r
o
ce
d
u
r
e
g
u
ar
a
n
tees
t
h
at
th
e
al
g
o
r
ith
m
k
ee
p
s
u
s
e
f
u
l
m
o
d
if
icat
io
n
s
a
n
d
d
is
ca
r
d
s
th
o
s
e
t
h
at
ar
en
'
t.
,
3
=
{
,
+
(
,
−
,
)
,
<
,
+
(
,
−
,
)
,
(
2
2
)
Evaluation Warning : The document was created with Spire.PDF for Python.