I
nte
rna
t
io
na
l J
o
urna
l o
f
E
lect
rica
l a
nd
Co
m
p
ute
r
E
ng
in
ee
ring
(
I
J
E
CE
)
Vo
l.
15
,
No
.
4
,
A
u
g
u
s
t
20
25
,
p
p
.
4
1
7
2
~
4
1
8
0
I
SS
N:
2088
-
8708
,
DOI
: 1
0
.
1
1
5
9
1
/
i
j
ec
e.
v
15
i
4
.
pp
4
1
7
2
-
4
1
8
0
4172
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ij
ec
e.
ia
esco
r
e.
co
m
Ins
tance
seg
m
ent
a
tion
for
P
CB
de
f
ect
de
tec
tion
w
ith
Dete
c
tron2
Ara
v
a
lli Sa
ina
t
h Cha
it
ha
ny
a
,
L
a
v
a
dy
a
Nir
m
a
la
Dev
i,
P
utt
y
Sriv
idy
a
D
e
p
a
r
t
me
n
t
o
f
El
e
c
t
r
o
n
i
c
s a
n
d
C
o
mm
u
n
i
c
a
t
i
o
n
En
g
i
n
e
e
r
i
n
g
,
U
n
i
v
e
r
si
t
y
C
o
l
l
e
g
e
o
f
En
g
i
n
e
e
r
i
n
g
,
O
sma
n
i
a
U
n
i
v
e
r
si
t
y
,
H
y
d
e
r
a
b
a
d
,
T
e
l
a
n
g
a
n
a
,
I
n
d
i
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Sep
2
,
2
0
2
4
R
ev
i
s
ed
Ma
r
1
7
,
2
0
2
5
A
cc
ep
ted
Ma
y
2
3
,
2
0
2
5
P
ri
n
ted
c
irc
u
it
b
o
a
rd
s
(
P
CBs
)
a
re
e
ss
e
n
ti
a
l
in
m
o
d
e
rn
e
lec
tro
n
i
c
s,
w
h
e
re
e
v
e
n
m
in
o
r
d
e
f
e
c
ts
c
a
n
lea
d
to
f
a
il
u
re
s.
T
ra
d
it
io
n
a
l
i
n
sp
e
c
ti
o
n
m
e
th
o
d
s
stru
g
g
le
w
it
h
c
o
m
p
lex
P
CB
d
e
si
g
n
s,
n
e
c
e
ss
it
a
ti
n
g
a
u
t
o
m
a
ted
d
e
e
p
lea
rn
i
n
g
tec
h
n
iq
u
e
s.
Ob
jec
t
d
e
tec
ti
o
n
m
o
d
e
ls
li
k
e
F
a
ste
r
R
-
CNN
a
n
d
YO
LO
re
l
y
o
n
b
o
u
n
d
in
g
b
o
x
e
s
f
o
r
d
e
f
e
c
t
lo
c
a
li
z
a
ti
o
n
b
u
t
f
a
c
e
o
v
e
rlap
issu
e
s,
li
m
it
in
g
p
re
c
ise
d
e
f
e
c
t
iso
latio
n
.
T
h
is
p
a
p
e
r
p
re
se
n
ts
a
se
g
m
e
n
tatio
n
-
b
a
se
d
P
CB
d
e
f
e
c
t
d
e
tec
ti
o
n
m
o
d
e
l
u
si
n
g
D
e
tec
tro
n
2
’s
M
a
sk
R
-
CNN
.
By
l
e
v
e
ra
g
in
g
in
sta
n
c
e
se
g
m
e
n
tatio
n
,
t
h
e
m
o
d
e
l
e
n
a
b
les
p
ix
e
l
-
lev
e
l
d
e
f
e
c
t
lo
c
a
li
z
a
ti
o
n
a
n
d
c
las
si
f
ica
ti
o
n
,
a
d
d
re
ss
in
g
c
h
a
ll
e
n
g
e
s
su
c
h
a
s
sh
a
p
e
v
a
riatio
n
s,
c
o
m
p
lex
stru
c
tu
re
s,
a
n
d
o
c
c
lu
si
o
n
s.
T
ra
in
e
d
o
n
a
d
a
tas
e
t
o
f
6
9
0
COCO
-
a
n
n
o
tate
d
im
a
g
e
s,
th
e
m
o
d
e
l
u
n
d
e
rw
e
n
t
rig
o
ro
u
s
e
x
p
e
rim
e
n
tatio
n
a
n
d
p
a
ra
m
e
ter
tu
n
i
n
g
.
Ev
a
lu
a
ti
o
n
m
e
tri
c
s,
in
c
lu
d
i
n
g
lo
ss
f
u
n
c
ti
o
n
s
a
n
d
m
e
a
n
a
v
e
ra
g
e
p
re
c
isio
n
(m
A
P
),
a
ss
e
ss
e
d
p
e
rf
o
r
m
a
n
c
e
.
Re
su
lt
s
sh
o
w
e
d
a
st
e
a
d
y
d
e
c
li
n
e
i
n
lo
ss
v
a
lu
e
s
a
n
d
h
ig
h
p
re
c
isio
n
f
o
r
d
e
f
e
c
ts
li
k
e
m
o
u
se
b
it
e
s
a
n
d
m
issin
g
h
o
les
.
Ho
w
e
v
e
r,
p
e
r
f
o
r
m
a
n
c
e
wa
s
lo
w
e
r
f
o
r
c
o
m
p
lex
d
e
fe
c
ts
li
k
e
sp
u
r
s
a
n
d
sp
u
rio
u
s
c
o
p
p
e
r.
T
h
is
st
u
d
y
h
ig
h
li
g
h
ts
th
e
e
f
f
e
c
ti
v
e
n
e
ss
o
f
in
sta
n
c
e
se
g
m
e
n
tatio
n
i
n
P
CB
d
e
f
e
c
t
d
e
tec
ti
o
n
,
c
o
n
tri
b
u
t
in
g
to
im
p
ro
v
e
d
q
u
a
li
ty
c
o
n
tro
l
a
n
d
m
a
n
u
f
a
c
tu
rin
g
a
u
to
m
a
ti
o
n
.
K
ey
w
o
r
d
s
:
Dete
ctr
o
n
2
I
n
s
ta
n
ce
s
e
g
m
e
n
tat
io
n
Ma
s
k
s
Ob
j
ec
t d
etec
tio
n
R
o
I
alig
n
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
:
A
r
a
v
alli Sai
n
at
h
C
h
ait
h
a
n
y
a
Dep
ar
t
m
en
t o
f
E
lectr
o
n
ics a
n
d
C
o
m
m
u
n
icat
io
n
E
n
g
i
n
ee
r
in
g
,
Un
i
v
er
s
it
y
C
o
lle
g
e
o
f
E
n
g
i
n
e
er
in
g
,
O
s
m
a
n
ia
Un
i
v
er
s
it
y
H
y
d
er
ab
ad
-
5
0
0
0
0
7
,
T
elan
g
an
a,
I
n
d
ia
E
m
ail: c
h
aita
n
y
a.
ar
a
v
alli
@
g
m
ail.
co
m
1.
I
NT
RO
D
UCT
I
O
N
T
h
e
elec
tr
o
n
ics
in
d
u
s
tr
y
r
eli
es
o
n
p
r
in
ted
cir
cu
it
b
o
ar
d
s
(
P
C
B
s
)
f
o
r
ap
p
licatio
n
s
r
an
g
in
g
f
r
o
m
co
n
s
u
m
er
d
ev
ices
to
d
ef
en
s
e
s
y
s
te
m
s
.
Du
r
i
n
g
m
an
u
f
ac
t
u
r
in
g
[
1
]
,
f
ac
to
r
s
s
u
ch
as
d
u
s
t,
o
v
er
-
etch
i
n
g
,
an
d
s
p
u
r
io
u
s
m
eta
ls
ca
n
ca
u
s
e
d
im
en
s
io
n
a
l
ch
a
n
g
e
s
i
n
P
C
B
in
s
u
lato
r
s
a
n
d
co
n
d
u
cto
r
s
,
lea
d
in
g
to
d
ef
ec
t
s
t
h
at
af
f
ec
t
p
er
f
o
r
m
an
ce
a
n
d
r
eliab
ilit
y
.
T
r
ad
itio
n
al
l
y
,
h
u
m
an
o
p
er
ato
r
s
in
s
p
ec
ted
P
C
B
s
,
b
u
t
w
it
h
t
h
e
in
cr
ea
s
in
g
co
m
p
le
x
it
y
o
f
m
o
d
er
n
d
esig
n
s
an
d
u
ltra
-
lar
g
e
-
s
ca
le
i
n
te
g
r
ati
o
n
,
m
a
n
u
al
m
et
h
o
d
s
h
a
v
e
b
ec
o
m
e
in
e
f
f
icie
n
t
an
d
s
u
b
j
ec
tiv
e,
s
tr
u
g
g
l
in
g
to
m
ee
t
d
e
m
an
d
s
f
o
r
ac
cu
r
ac
y
a
n
d
e
f
f
icie
n
c
y
.
T
o
ad
d
r
ess
th
e
s
e
c
h
al
len
g
es,
a
u
to
m
a
ted
d
ef
ec
t
d
etec
tio
n
m
et
h
o
d
s
u
ti
li
zin
g
d
ee
p
lear
n
i
n
g
h
av
e
g
ain
e
d
p
r
o
m
i
n
e
n
ce
.
A
d
v
an
ce
d
o
b
j
e
ct
d
etec
tio
n
m
o
d
els,
in
cl
u
d
in
g
r
eg
io
n
-
b
ased
co
n
v
o
l
u
tio
n
al
n
eu
r
al
n
et
w
o
r
k
s
(R
-
C
NN)
[
2
]
,
Fas
t
R
-
C
NN
[
3
]
,
Fas
ter
R
-
C
NN
[
4
]
,
an
d
y
o
u
o
n
l
y
lo
o
k
o
n
ce
(
YO
L
O)
[
5
]
,
h
av
e
b
ee
n
e
x
te
n
s
i
v
el
y
u
tili
ze
d
f
o
r
P
C
B
d
ef
ec
t d
etec
tio
n
.
T
h
ese
m
et
h
o
d
s
r
el
y
o
n
b
o
u
n
d
in
g
b
o
x
es
f
o
r
d
ef
ec
t
lo
ca
lizatio
n
,
en
s
u
r
i
n
g
co
m
p
u
tat
io
n
al
e
f
f
icien
c
y
b
u
t
w
it
h
li
m
ita
tio
n
s
in
p
r
ec
is
io
n
.
Du
r
i
n
g
lo
ca
lizatio
n
,
b
o
u
n
d
i
n
g
b
o
x
e
s
m
a
y
o
v
er
lap
,
m
ak
i
n
g
it
c
h
alle
n
g
in
g
t
o
ac
cu
r
atel
y
i
s
o
late
d
ef
ec
ts
an
d
ca
p
tu
r
e
t
h
eir
in
tr
icate
m
o
r
p
h
o
lo
g
ies,
as i
llu
s
tr
ate
d
in
Fig
u
r
e
1
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
I
n
s
ta
n
ce
s
eg
men
ta
tio
n
fo
r
P
C
B
d
efec
t d
etec
tio
n
w
ith
Dete
ctro
n
2
(
A
r
a
va
lli
S
a
in
a
th
C
h
a
ith
a
n
ya
)
4173
Fig
u
r
e
1
.
P
C
B
d
ef
ec
t d
etec
tio
n
u
s
in
g
b
o
u
n
d
in
g
b
o
x
es
I
n
s
ta
n
ce
s
e
g
m
e
n
tatio
n
[
6
]
h
as
e
m
er
g
ed
as
a
p
r
o
m
i
s
in
g
s
o
lu
tio
n
to
o
v
er
co
m
e
t
h
ese
li
m
itatio
n
s
.
T
h
r
o
u
g
h
p
i
x
el
-
lev
el
f
ea
t
u
r
e
ex
tr
ac
tio
n
,
in
s
tan
ce
s
e
g
m
e
n
tat
io
n
en
ab
le
s
p
r
ec
is
e
d
ef
ec
t
lo
ca
li
za
tio
n
an
d
d
etaile
d
m
o
r
p
h
o
lo
g
ical
ch
ar
ac
ter
izatio
n
.
I
t
ef
f
ec
t
iv
el
y
m
an
a
g
es
o
v
er
lap
p
in
g
b
o
u
n
d
i
n
g
b
o
x
es,
r
ed
u
ce
s
f
alse
p
o
s
iti
v
es
,
an
d
u
lti
m
ate
l
y
p
r
o
v
id
es
a
m
o
r
e
ac
cu
r
ate
r
ep
r
esen
tatio
n
o
f
d
ef
ec
t
p
atter
n
s
,
aid
in
g
e
n
g
i
n
ee
r
s
i
n
r
o
o
t
ca
u
s
e
an
al
y
s
is
a
n
d
p
r
o
ce
s
s
o
p
ti
m
izat
io
n
.
Nu
m
er
o
u
s
s
t
u
d
ies
h
a
v
e
e
x
p
lo
r
ed
b
o
th
tr
ad
itio
n
al
an
d
d
e
ep
lear
n
in
g
ap
p
r
o
ac
h
es
f
o
r
P
C
B
d
ef
ec
t
d
etec
tio
n
.
On
e
s
u
c
h
s
tu
d
y
,
c
o
n
d
u
cted
b
y
L
u
et
a
l
.
[
7
]
,
p
r
o
p
o
s
ed
a
f
r
am
e
w
o
r
k
in
w
h
i
ch
HOG
a
n
d
L
B
P
f
ea
t
u
r
es
w
er
e
o
b
tain
ed
f
r
o
m
P
C
B
i
m
ag
e
s
f
o
r
f
u
r
th
er
p
r
o
ce
s
s
i
n
g
.
T
h
ese
e
x
tr
ac
ted
f
ea
t
u
r
es
w
er
e
u
s
ed
to
tr
ai
n
s
ep
ar
ate
s
u
p
p
o
r
t
v
ec
to
r
m
ac
h
i
n
e
(
SVM)
m
o
d
els,
w
h
ic
h
w
er
e
later
in
teg
r
ated
u
s
i
n
g
B
a
y
es
f
u
s
io
n
th
eo
r
y
f
o
r
d
ef
ec
t
clas
s
i
f
icatio
n
.
T
h
eir
a
p
p
r
o
ac
h
s
h
o
w
ed
h
i
g
h
er
ac
cu
r
ac
y
co
m
p
ar
ed
to
in
d
i
v
id
u
a
l
f
ea
tu
r
es,
t
h
o
u
g
h
its
p
r
ac
tical
ap
p
licab
ilit
y
is
li
m
i
t
ed
.
L
ik
e
w
i
s
e,
W
ei
et
a
l
.
[
8
]
d
ev
elo
p
ed
a
C
NN
m
o
d
el
tr
ai
n
ed
o
n
a
d
ataset
o
f
1
,
8
1
8
P
C
B
im
a
g
es,
o
u
tp
er
f
o
r
m
i
n
g
tr
ad
itio
n
al
m
o
d
els
li
k
e
VGG1
6
an
d
R
e
s
Net5
0
b
u
t
f
ai
lin
g
to
ca
p
tu
r
e
f
i
n
er
d
ef
ec
t
d
etails.
A
d
ib
h
atla
et
a
l
.
[
9
]
w
o
r
k
ed
w
it
h
a
lar
g
e
d
atas
et
o
f
4
7
,
4
2
8
im
a
g
es
to
r
ed
u
ce
m
is
cla
s
s
i
f
icat
io
n
s
,
ac
h
iev
in
g
o
v
er
8
5
%
ac
cu
r
a
c
y
;
h
o
w
ev
er
,
t
h
eir
f
o
cu
s
was
n
o
t
s
p
ec
if
icall
y
o
n
d
ef
e
ct
d
etec
tio
n
.
Ot
h
er
r
esear
ch
er
s
,
s
u
c
h
as
H
u
an
d
W
an
g
[
1
0
]
,
m
o
d
if
ied
Fa
s
ter
R
-
C
NN
f
o
r
en
h
an
ce
d
f
ea
tu
r
e
e
x
tr
ac
tio
n
,
ac
h
ie
v
in
g
a
m
ea
n
Av
er
a
g
e
P
r
ec
is
io
n
(
m
AP
)
o
f
9
4
.
2
%.
Desp
ite
th
ese
a
d
v
an
ce
m
en
ts
,
t
h
e
y
s
till
e
n
co
u
n
ter
ed
is
s
u
es
w
i
t
h
o
v
er
lap
p
in
g
b
o
u
n
d
in
g
b
o
x
es
d
u
r
in
g
lo
ca
lizatio
n
,
a
n
o
n
g
o
in
g
c
h
alle
n
g
e
in
P
C
B
d
ef
ec
t
d
etec
tio
n
.
An
o
t
h
er
n
o
tab
le
ap
p
r
o
ac
h
,
d
ev
elo
p
ed
b
y
C
h
aith
a
n
y
a
an
d
Dev
i
[
1
1
]
,
u
s
es
a
tem
p
late
-
b
ased
in
s
p
ec
tio
n
s
y
s
te
m
f
o
r
g
r
an
u
lar
d
ef
ec
t
d
etec
tio
n
v
ia
s
e
g
m
e
n
tatio
n
i
n
s
tead
o
f
b
o
u
n
d
in
g
b
o
x
es.
W
h
ile
th
is
m
eth
o
d
allo
w
s
f
o
r
p
r
ec
is
e
lo
ca
lizatio
n
a
n
d
an
al
y
s
is
,
i
t
r
eq
u
ir
es
e
x
ten
s
i
v
e
p
r
ep
r
o
ce
s
s
i
n
g
an
d
lac
k
s
r
o
b
u
s
t
n
es
s
a
g
ai
n
s
t
en
v
ir
o
n
m
e
n
tal
in
f
lu
e
n
ce
s
.
I
n
co
n
tr
a
s
t,
C
a
lab
r
ese
et
a
l
.
[
1
2
]
em
p
lo
y
ed
Ma
s
k
R
-
C
N
N
f
o
r
d
ef
ec
t
d
etec
ti
o
n
,
eli
m
in
at
in
g
t
h
e
n
ee
d
f
o
r
co
m
p
lex
p
r
ep
r
o
ce
s
s
i
n
g
s
tep
s
.
T
h
e
y
ac
h
iev
ed
s
a
tis
f
ac
to
r
y
r
es
u
lt
s
o
n
a
s
m
aller
d
ataset
o
f
m
is
s
in
g
h
o
les
an
d
s
h
o
r
ts
.
Ho
w
e
v
er
,
th
eir
s
tu
d
y
e
m
p
h
asized
t
h
e
n
ec
e
s
s
it
y
f
o
r
en
h
an
ce
m
e
n
ts
,
p
ar
ticu
lar
l
y
i
n
id
en
ti
f
y
in
g
d
iv
er
s
e
d
ef
ec
t c
ate
g
o
r
ies an
d
i
m
p
r
o
v
in
g
d
etec
tio
n
r
o
b
u
s
tn
e
s
s
.
Desp
ite
ad
v
a
n
ce
m
e
n
t
s
in
th
e
f
ield
,
s
u
p
er
v
i
s
ed
class
i
f
ier
s
lik
e
s
u
p
p
o
r
t
v
ec
to
r
m
ac
h
i
n
es
(
S
VM
s
)
[
1
3
]
ar
e
ef
f
ec
ti
v
e
f
o
r
s
i
m
p
ler
task
s
b
u
t
s
tr
u
g
g
le
w
ith
co
m
p
le
x
,
n
o
n
lin
ea
r
d
ata.
Dee
p
lear
n
in
g
m
o
d
el
s
lik
e
C
N
Ns
an
d
R
-
C
N
Ns
o
f
ten
f
ail
to
ca
p
tu
r
e
in
tr
icate
d
e
f
ec
t
m
o
r
p
h
o
lo
g
ies,
i
n
cl
u
d
in
g
f
in
e
d
etail
s
an
d
v
ar
y
in
g
d
ef
ec
t
s
izes
.
A
lt
h
o
u
g
h
Ma
s
k
R
-
C
NN
h
as
b
ee
n
e
m
p
lo
y
ed
in
P
C
B
d
ef
ec
t
d
etec
tio
n
,
it
s
ap
p
licatio
n
h
as
p
r
i
m
ar
il
y
b
ee
n
r
estricte
d
to
s
p
ec
if
ic
d
ef
ec
t
t
y
p
es.
A
d
d
itio
n
all
y
,
te
m
p
late
-
b
ased
m
et
h
o
d
s
s
till
f
ac
e
p
r
ac
tic
al
ch
alle
n
g
e
s
,
s
u
ch
as
th
e
n
ee
d
f
o
r
p
r
ec
is
e
im
ag
e
alig
n
m
e
n
t.
T
h
i
s
r
esear
ch
ai
m
s
to
m
it
ig
ate
t
h
ese
li
m
itatio
n
s
b
y
u
tili
z
in
g
Ma
s
k
R
-
C
NN
[
1
4
]
w
ith
in
t
h
e
Dete
ctr
o
n
2
f
r
a
m
e
w
o
r
k
[
1
5
]
f
o
r
p
r
ec
is
e
d
ef
ec
t
lo
ca
lizatio
n
an
d
d
etail
ed
ch
ar
ac
ter
izatio
n
.
B
y
ad
d
r
ess
i
n
g
ch
al
len
g
es
l
ik
e
o
v
er
lap
p
in
g
b
o
u
n
d
in
g
b
o
x
e
s
,
it
s
ee
k
s
to
en
h
a
n
ce
th
e
d
e
tectio
n
o
f
i
n
tr
icate
d
ef
ec
t
m
o
r
p
h
o
lo
g
ie
s
.
T
h
e
s
u
b
s
eq
u
en
t
s
ec
tio
n
s
o
u
tl
in
e
th
e
ap
p
r
o
ac
h
ad
o
p
ted
in
th
is
s
tu
d
y
,
co
v
er
i
n
g
th
e
d
ata
s
et,
m
o
d
el
d
esig
n
,
an
d
tr
ain
in
g
s
tr
ate
g
y
.
W
e
th
en
p
r
esen
t
th
e
ex
p
er
im
en
tal
f
i
n
d
in
g
s
a
n
d
an
al
y
ze
th
eir
s
ig
n
i
f
ica
n
ce
in
i
m
p
r
o
v
i
n
g
P
C
B
d
ef
ec
t
d
etec
ti
o
n
.
T
h
is
w
o
r
k
ad
v
a
n
ce
s
d
ef
ec
t
d
etec
tio
n
tech
n
iq
u
es
i
n
P
C
B
m
an
u
f
ac
tu
r
i
n
g
an
d
o
p
en
s
av
e
n
u
e
s
f
o
r
f
u
t
u
r
e
r
esea
r
ch
in
a
u
to
m
ated
i
n
s
p
ec
tio
n
s
y
s
te
m
s
.
2.
M
E
T
H
O
D
Fig
u
r
e
2
illu
s
tr
ates
t
h
e
w
o
r
k
f
lo
w
f
o
r
P
C
B
d
ef
ec
t
s
eg
m
en
tatio
n
,
o
u
tl
in
i
n
g
th
e
s
eq
u
e
n
tial
s
tep
s
r
eq
u
ir
ed
f
o
r
ac
cu
r
ate
d
etec
tio
n
an
d
s
eg
m
e
n
tatio
n
o
f
d
ef
ec
t
s
.
T
h
ese
s
tep
s
e
m
p
lo
y
th
e
M
ask
R
-
C
NN
m
o
d
el
in
te
g
r
ated
w
it
h
in
th
e
Dete
ctr
o
n
2
f
r
a
m
e
w
o
r
k
,
w
h
ic
h
is
r
en
o
w
n
ed
f
o
r
it
s
p
r
ec
is
io
n
in
in
s
tan
ce
s
e
g
m
e
n
tatio
n
task
s
.
T
h
is
w
o
r
k
f
lo
w
h
i
g
h
lig
h
ts
t
h
e
s
y
s
te
m
atic
ap
p
r
o
ac
h
u
s
ed
in
th
is
s
t
u
d
y
to
ad
d
r
ess
in
tr
icate
P
C
B
d
ef
ec
t
lo
ca
lizatio
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
15
,
No
.
4
,
A
u
g
u
s
t
20
25
:
4
1
72
-
4180
4174
Fig
u
r
e
2
.
P
r
o
ce
s
s
f
lo
w
f
o
r
in
s
t
an
ce
s
e
g
m
e
n
tat
io
n
o
f
d
ef
ec
t
s
2
.
1
.
Da
t
a
s
et
prepa
ra
t
io
n
a
nd
s
pli
t
t
ing
T
h
is
s
tu
d
y
u
tili
ze
s
a
d
ataset
o
f
6
9
0
P
C
B
im
a
g
es,
s
y
s
te
m
ati
ca
ll
y
ca
te
g
o
r
ized
in
to
s
i
x
d
is
t
in
ct
d
ef
ec
t
t
y
p
es:
m
is
s
in
g
h
o
le,
m
o
u
s
e
b
ite,
o
p
en
cir
cu
it,
s
h
o
r
t,
s
p
u
r
,
an
d
s
p
u
r
io
u
s
co
p
p
er
,
as
d
e
s
cr
ib
ed
in
[
1
6
]
.
T
o
en
h
a
n
ce
m
o
d
el
tr
ain
i
n
g
an
d
r
ed
u
ce
class
if
icatio
n
a
m
b
i
g
u
it
y
,
ea
ch
i
m
ag
e
co
n
tai
n
s
a
s
in
g
le
d
ef
ec
t
t
y
p
e
p
o
s
itio
n
ed
v
ar
iab
l
y
ac
r
o
s
s
t
h
e
P
C
B
,
en
ab
lin
g
ac
c
u
r
ate
d
etec
tio
n
an
d
class
if
icatio
n
.
I
n
s
ta
n
ce
s
e
g
m
en
tatio
n
r
eq
u
ir
es
p
ix
el
-
le
v
el
a
n
n
o
tat
io
n
s
,
a
p
r
o
ce
s
s
s
i
g
n
i
f
ican
t
l
y
m
o
r
e
lab
o
r
-
i
n
ten
s
i
v
e
th
an
tr
ad
itio
n
al
b
o
u
n
d
in
g
b
o
x
m
et
h
o
d
s
.
E
ac
h
d
ef
ec
t
w
as
m
a
n
u
all
y
a
n
n
o
tated
u
s
in
g
L
ab
el
Stu
d
io
[
1
7
]
,
g
en
er
ati
n
g
b
in
ar
y
m
a
s
k
s
t
h
a
t
d
elin
ea
te
d
ef
ec
t
iv
e
r
e
g
io
n
s
.
A
s
o
u
tli
n
ed
in
a
r
elate
d
s
tu
d
y
[
1
8
]
,
th
ese
an
n
o
tatio
n
s
w
er
e
co
n
v
er
ted
in
to
th
e
C
OC
O
J
SON
f
o
r
m
at
[
1
9
]
,
en
s
u
r
i
n
g
co
m
p
atib
ilit
y
w
i
t
h
f
r
a
m
e
w
o
r
k
s
li
k
e
Dete
ctr
o
n
2
an
d
p
r
eser
v
in
g
ess
en
tial
m
etad
ata
s
u
c
h
as
s
e
g
m
e
n
tatio
n
m
as
k
s
,
b
o
u
n
d
in
g
b
o
x
e
s
,
an
d
class
lab
els.
T
h
is
m
etic
u
lo
u
s
p
r
ep
ar
atio
n
f
a
cilitates s
ea
m
le
s
s
i
n
te
g
r
atio
n
i
n
to
in
s
tan
ce
s
eg
m
e
n
tatio
n
p
ip
elin
es.
T
o
p
r
ep
a
r
e
th
e
d
ataset
f
o
r
m
o
d
el
tr
ain
in
g
a
n
d
ev
al
u
atio
n
,
it
w
a
s
d
iv
id
ed
in
to
8
0
%
f
o
r
tr
ain
i
n
g
a
n
d
2
0
%
f
o
r
v
alid
atio
n
,
w
it
h
b
o
th
s
u
b
s
et
s
a
n
n
o
tated
i
n
t
h
e
C
OC
O
J
SON
f
o
r
m
at.
T
h
is
d
i
v
is
io
n
en
ab
led
th
e
m
o
d
el
to
lear
n
f
r
o
m
d
iv
er
s
e
d
ef
ec
t
v
ar
iatio
n
s
w
h
ile
r
etain
in
g
a
v
alid
atio
n
s
u
b
s
et
f
o
r
h
y
p
er
p
a
r
a
m
eter
tu
n
in
g
an
d
p
er
f
o
r
m
a
n
ce
a
s
s
e
s
s
m
en
t.
Fo
ll
o
w
i
n
g
th
e
tr
ain
i
n
g
p
r
o
ce
s
s
,
t
h
e
m
o
d
el’
s
ab
ilit
y
to
g
en
er
alize
w
a
s
as
s
es
s
ed
o
n
a
n
u
n
s
ee
n
te
s
t d
ataset,
e
n
s
u
r
in
g
it
s
r
o
b
u
s
tn
e
s
s
i
n
d
etec
tin
g
a
n
d
s
eg
m
e
n
ti
n
g
a
w
id
e
r
an
g
e
o
f
d
ef
ec
t t
y
p
es.
2
.
2
.
Det
ec
t
ro
n2
Dete
ctr
o
n
2
,
b
u
ilt
o
n
P
y
T
o
r
c
h
,
is
a
v
er
s
atile
d
ee
p
lear
n
i
n
g
f
r
a
m
e
w
o
r
k
w
id
el
y
u
s
ed
f
o
r
o
b
j
ec
t
d
etec
tio
n
an
d
s
eg
m
en
tat
io
n
t
ask
s
.
I
t
o
f
f
er
s
p
r
e
-
tr
ain
ed
m
o
d
els
s
u
ch
as
Fas
ter
R
-
C
NN
an
d
Ma
s
k
R
-
C
N
N,
k
n
o
w
n
f
o
r
th
e
ir
r
o
b
u
s
t
n
es
s
i
n
h
a
n
d
lin
g
co
m
p
lex
d
etec
tio
n
s
ce
n
ar
io
s
.
Ma
s
k
R
-
C
NN,
i
n
p
ar
ticu
lar
,
ex
ce
ls
i
n
p
ix
el
-
lev
el
lo
c
aliza
tio
n
,
m
a
k
i
n
g
it
es
s
en
t
ial
f
o
r
ap
p
licatio
n
s
lik
e
P
C
B
d
ef
ec
t
d
etec
tio
n
,
w
h
er
e
in
tr
icate
an
d
o
v
er
lap
p
in
g
d
ef
ec
t
s
r
eq
u
ir
e
p
r
ec
is
e
s
eg
m
e
n
tatio
n
.
T
h
e
m
o
d
u
lar
ar
ch
itectu
r
e
o
f
Dete
ctr
o
n
2
allo
w
s
r
esear
ch
er
s
to
cu
s
to
m
ize
i
ts
f
u
n
c
tio
n
ali
t
y
f
o
r
s
p
ec
i
f
ic
u
s
e
ca
s
es
.
T
h
is
f
le
x
ib
ilit
y
f
ac
ilit
ate
s
t
h
e
ad
ap
tatio
n
o
f
b
ac
k
b
o
n
e
n
et
w
o
r
k
s
,
tr
ain
in
g
p
ip
elin
es,
an
d
d
atasets
,
m
ak
i
n
g
it
id
ea
l
f
o
r
in
d
u
s
tr
ial
ap
p
licatio
n
s
.
I
ts
b
u
ilt
-
in
to
o
ls
f
o
r
d
ataset
m
an
a
g
e
m
en
t,
v
is
u
aliza
tio
n
,
ev
alu
a
tio
n
,
an
d
ch
ec
k
p
o
i
n
t
h
a
n
d
lin
g
f
u
r
th
er
en
h
an
ce
wo
r
k
f
lo
w
e
f
f
icie
n
c
y
,
en
s
u
r
in
g
s
ea
m
le
s
s
i
n
te
g
r
atio
n
in
to
v
ar
io
u
s
d
o
m
ai
n
s
.
I
n
th
i
s
r
esear
ch
,
Dete
ctr
o
n
2
is
e
m
p
lo
y
ed
f
o
r
P
C
B
d
ef
ec
t
d
etec
tio
n
u
s
in
g
Ma
s
k
R
-
C
NN,
w
h
ic
h
ef
f
icien
tl
y
h
a
n
d
les
o
v
er
lap
p
in
g
d
e
f
ec
ts
w
h
ile
ca
p
tu
r
i
n
g
f
in
e
s
tr
u
ctu
r
al
d
etail
s
.
T
h
e
f
r
a
m
e
w
o
r
k
s
u
p
p
o
r
ts
d
ataset
r
eg
is
tr
atio
n
in
C
O
C
O
J
SON
f
o
r
m
at,
e
n
ab
lin
g
co
m
p
atib
ilit
y
w
it
h
o
th
er
d
ee
p
lea
r
n
in
g
to
o
ls
.
T
h
ese
f
ea
t
u
r
es
co
llectiv
el
y
m
a
k
e
Dete
ctr
o
n
2
a
p
o
w
er
f
u
l
ch
o
ic
e
f
o
r
tack
lin
g
th
e
co
m
p
le
x
it
ies
o
f
P
C
B
d
ef
ec
t
an
al
y
s
is
.
2
.
2
.
1
.
M
a
s
k
R
-
CNN
Ma
s
k
R
-
C
NN
i
s
a
w
id
el
y
ad
o
p
ted
in
s
tan
ce
s
e
g
m
e
n
tatio
n
m
o
d
el
ca
p
ab
le
o
f
d
etec
ti
n
g
o
b
j
ec
ts
u
s
in
g
b
o
u
n
d
in
g
b
o
x
e
s
w
h
ile
a
ls
o
p
r
ed
ictin
g
p
i
x
el
-
lev
e
l
s
e
g
m
e
n
tatio
n
m
as
k
s
.
Sin
ce
it
o
p
er
ates
i
n
a
s
u
p
er
v
is
ed
lear
n
in
g
p
ar
ad
ig
m
,
i
t
r
eq
u
ir
es
lab
eled
s
eg
m
en
ta
tio
n
m
as
k
s
f
o
r
tr
ain
i
n
g
.
B
u
ilt
u
p
o
n
Fas
ter
R
-
C
NN,
Ma
s
k
R
-
C
NN
in
tr
o
d
u
ce
s
an
ad
d
itio
n
al
“
m
as
k
h
ea
d
”
b
r
an
ch
,
e
n
ab
li
n
g
it to
g
e
n
er
ate
d
etailed
s
e
g
m
en
tatio
n
m
a
s
k
s
f
o
r
ea
ch
d
etec
ted
o
b
j
ec
t.
T
h
e
ar
c
h
itect
u
r
e
is
h
i
g
h
l
y
ad
ap
tab
le,
w
it
h
co
m
p
o
n
e
n
t
s
s
u
c
h
as
t
h
e
b
ac
k
b
o
n
e
n
et
w
o
r
k
,
r
eg
io
n
p
r
o
p
o
s
al
n
et
w
o
r
k
(
R
P
N)
,
class
if
ier
,
an
d
m
as
k
h
ea
d
co
n
f
ig
u
r
ab
le
f
o
r
p
er
f
o
r
m
an
ce
o
p
ti
m
izatio
n
.
A
d
d
itio
n
al
l
y
,
h
y
p
er
p
ar
a
m
eter
tu
n
i
n
g
allo
w
s
t
h
e
m
o
d
el
t
o
b
e
tailo
r
e
d
f
o
r
d
if
f
er
en
t
d
atasets
o
r
s
p
ec
if
ic
ap
p
licatio
n
n
ee
d
s
.
T
h
e
s
tr
u
ctu
r
e
o
f
Ma
s
k
R
-
C
NN,
d
ep
i
cted
in
Fig
u
r
e
3
,
co
n
s
is
t
s
o
f
f
o
u
r
k
e
y
co
m
p
o
n
e
n
t
s
ess
e
n
tial
f
o
r
p
r
ec
is
e
in
s
ta
n
ce
s
eg
m
e
n
tat
io
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
I
n
s
ta
n
ce
s
eg
men
ta
tio
n
fo
r
P
C
B
d
efec
t d
etec
tio
n
w
ith
Dete
ctro
n
2
(
A
r
a
va
lli
S
a
in
a
th
C
h
a
ith
a
n
ya
)
4175
Fig
u
r
e
3
.
A
r
ch
itectu
r
al
b
r
ea
k
d
o
w
n
o
f
m
a
s
k
R
-
C
N
N
a.
B
ac
k
b
o
n
e
Net
w
o
r
k
:
Ma
s
k
R
-
C
NN
co
m
m
o
n
l
y
u
til
izes
R
e
s
Net
-
50
[
2
0
]
as
its
b
ac
k
b
o
n
e
d
u
e
to
its
s
tr
o
n
g
f
ea
t
u
r
e
ex
tr
ac
tio
n
ca
p
ab
ilit
y
an
d
ef
f
ec
t
iv
e
n
es
s
in
i
n
s
ta
n
ce
s
eg
m
e
n
tat
io
n
.
W
ith
5
0
lay
e
r
s
,
it
ca
p
tu
r
es
in
tr
icate
i
m
a
g
e
d
etails
cr
u
cial
f
o
r
p
r
ec
is
e
o
b
j
ec
t
d
etec
tio
n
an
d
s
eg
m
en
tatio
n
at
th
e
p
ix
el
lev
el.
R
esid
u
a
l
co
n
n
ec
tio
n
s
m
iti
g
ate
tr
ai
n
in
g
ch
alle
n
g
e
s
,
i
m
p
r
o
v
i
n
g
lear
n
i
n
g
ef
f
icie
n
c
y
.
P
r
etr
ain
ed
o
n
I
m
ag
eNe
t,
R
e
s
Net
-
5
0
’
s
w
ei
g
h
ts
p
r
o
v
id
e
a
s
o
lid
f
o
u
n
d
atio
n
f
o
r
f
in
e
-
t
u
n
in
g
[
2
1
]
,
b
o
o
s
tin
g
m
o
d
el
p
e
r
f
o
r
m
an
ce
an
d
co
n
v
er
g
e
n
ce
.
b.
Nec
k
:
T
h
e
f
ea
tu
r
e
p
y
r
a
m
id
n
e
t
w
o
r
k
(
FP
N)
[
2
2
]
s
er
v
es
as
th
e
“
n
ec
k
”
o
f
Ma
s
k
R
-
C
NN
,
r
ef
in
i
n
g
h
ig
h
-
le
v
el
f
ea
t
u
r
es
ex
tr
ac
ted
b
y
t
h
e
R
esNet
-
5
0
b
ac
k
b
o
n
e
in
to
a
h
ier
ar
ch
ical
m
u
lti
-
s
ca
le
r
e
p
r
esen
tatio
n
.
B
y
in
te
g
r
atin
g
b
o
th
lo
w
-
r
eso
l
u
ti
o
n
an
d
h
ig
h
-
r
eso
l
u
tio
n
f
ea
t
u
r
es,
FP
N
en
h
a
n
ce
s
o
b
j
ec
t
d
etec
tio
n
an
d
s
eg
m
e
n
tatio
n
ac
r
o
s
s
v
ar
y
i
n
g
o
b
j
ec
t
s
izes.
I
t
ass
i
s
ts
th
e
(
R
P
N)
in
g
e
n
er
ati
n
g
h
i
g
h
-
q
u
alit
y
p
r
o
p
o
s
als
w
h
i
le
also
en
ab
lin
g
p
r
ec
is
e
in
s
ta
n
c
e
s
eg
m
e
n
tatio
n
v
ia
th
e
R
OI
A
li
g
n
la
y
er
.
T
h
is
m
u
l
ti
-
s
ca
le
f
ea
tu
r
e
lear
n
i
n
g
s
ig
n
i
f
ica
n
tl
y
i
m
p
r
o
v
e
s
Ma
s
k
R
-
C
NN
’
s
p
er
f
o
r
m
an
ce
i
n
co
m
p
lex
v
i
s
io
n
tas
k
s
.
c.
R
P
N+
R
o
I
A
l
ig
n
:
T
h
e
r
eg
io
n
p
r
o
p
o
s
al
n
et
w
o
r
k
(
R
P
N)
id
en
tif
ie
s
p
o
ten
tial
o
b
j
ec
t
r
eg
io
n
s
b
y
e
v
al
u
ati
n
g
an
ch
o
r
b
o
x
es
o
f
d
i
f
f
er
e
n
t
s
ca
l
es
an
d
asp
ec
t
r
atio
s
,
r
e
f
i
n
i
n
g
t
h
eir
co
o
r
d
in
ates
b
ased
o
n
o
b
j
ec
tn
es
s
s
co
r
es.
I
t
class
i
f
ies
an
c
h
o
r
s
a
s
f
o
r
eg
r
o
u
n
d
o
r
b
ac
k
g
r
o
u
n
d
,
g
en
er
ati
n
g
r
ef
i
n
ed
p
r
o
p
o
s
als.
T
h
e
r
eg
io
n
o
f
i
n
ter
est
(
R
o
I
)
alig
n
la
y
er
[
2
3
]
th
e
n
p
r
o
ce
s
s
e
s
th
e
s
e
p
r
o
p
o
s
als
u
s
i
n
g
b
ili
n
e
ar
in
ter
p
o
latio
n
to
p
r
eser
v
e
s
p
atial
alig
n
m
e
n
t,
ef
f
ec
tiv
e
l
y
ad
d
r
ess
in
g
t
h
e
m
i
s
alig
n
m
e
n
t
is
s
u
es
ca
u
s
ed
b
y
q
u
an
tizat
io
n
i
n
t
r
ad
itio
n
al
R
o
I
p
o
o
lin
g
.
T
h
is
en
s
u
r
es
p
r
ec
is
e
o
b
j
ec
t
lo
ca
lizatio
n
an
d
p
i
x
el
-
w
is
e
s
eg
m
e
n
t
atio
n
,
p
ar
ticu
lar
l
y
f
o
r
s
m
al
l
o
b
j
ec
ts
,
th
er
eb
y
en
h
a
n
ci
n
g
Ma
s
k
R
-
C
N
N’
s
p
er
f
o
r
m
a
n
ce
in
f
i
n
e
-
g
r
ai
n
ed
d
etec
tio
n
tas
k
s
.
d.
B
o
u
n
d
in
g
B
o
x
Hea
d
:
T
h
e
b
o
u
n
d
i
n
g
b
o
x
h
ea
d
in
Ma
s
k
R
-
C
NN
p
r
o
ce
s
s
e
s
t
h
e
f
ea
tu
r
e
m
ap
s
ex
tr
ac
ted
b
y
th
e
R
o
I
A
l
ig
n
la
y
er
to
p
er
f
o
r
m
t
w
o
ta
s
k
s
:
clas
s
i
f
icatio
n
o
f
o
b
j
ec
t
ca
teg
o
r
ies
an
d
r
eg
r
ess
io
n
o
f
b
o
u
n
d
in
g
b
o
x
co
o
r
d
in
ates.
T
h
ese
ar
e
j
o
in
tl
y
o
p
ti
m
ized
u
s
in
g
a
m
u
lti
-
tas
k
lo
s
s
f
u
n
c
ti
o
n
,
i
m
p
r
o
v
in
g
d
etec
tio
n
p
r
ec
is
io
n
b
y
r
ef
i
n
i
n
g
r
e
g
io
n
p
r
o
p
o
s
als an
d
en
h
a
n
ci
n
g
s
p
atial
lo
ca
lizatio
n
.
e.
Ma
s
k
Hea
d
:
Ma
s
k
R
-
C
N
N
ex
ten
d
s
Fa
s
ter
R
-
C
NN
b
y
i
n
co
r
p
o
r
atin
g
a
d
ed
icate
d
“
m
as
k
h
ea
d
”
b
r
an
ch
f
o
r
p
r
ec
is
e
in
s
ta
n
ce
s
eg
m
e
n
tatio
n
[
2
4
]
.
T
h
is
b
r
an
ch
p
r
o
ce
s
s
es
R
OI
A
l
ig
n
f
ea
t
u
r
es,
ap
p
l
y
in
g
co
n
v
o
lu
tio
n
a
l
an
d
u
p
s
a
m
p
li
n
g
la
y
er
s
to
p
r
o
d
u
ce
d
en
s
e
s
p
atia
l
r
ep
r
esen
tat
io
n
s
.
I
t
o
u
tp
u
t
s
a
b
in
ar
y
m
as
k
f
o
r
ea
ch
d
etec
te
d
o
b
j
ec
t
u
s
in
g
a
f
u
ll
y
co
n
v
o
lu
tio
n
a
l
n
et
w
o
r
k
(
FC
N)
[
2
5
]
.
Du
r
in
g
tr
ai
n
i
n
g
,
t
h
e
m
o
d
el
o
p
tim
ize
s
s
eg
m
e
n
tatio
n
ac
c
u
r
ac
y
b
y
m
i
n
i
m
izi
n
g
th
e
d
i
f
f
er
e
n
ce
b
et
w
ee
n
p
r
ed
icted
an
d
g
r
o
u
n
d
-
tr
u
t
h
m
as
k
s
t
h
r
o
u
g
h
a
lo
s
s
f
u
n
ct
io
n
s
u
ch
as
b
in
ar
y
cr
o
s
s
-
e
n
tr
o
p
y
[
2
6
]
.
T
h
is
en
ab
les
ac
cu
r
ate
p
ix
el
-
w
i
s
e
s
eg
m
e
n
tat
io
n
,
p
ar
ticu
lar
l
y
u
s
e
f
u
l f
o
r
ca
p
tu
r
i
n
g
ir
r
eg
u
lar
o
b
j
ec
t
b
o
u
n
d
ar
ies.
2
.
3
.
E
x
peri
m
ent
a
l
s
et
up
T
h
e
Dete
ctr
o
n
2
-
b
ased
P
C
B
d
ef
ec
t
s
e
g
m
en
tatio
n
m
o
d
el
w
a
s
e
x
ec
u
ted
i
n
a
w
e
ll
-
co
n
f
i
g
u
r
ed
co
m
p
u
tatio
n
al
en
v
ir
o
n
m
e
n
t.
a.
E
n
v
i
r
o
n
m
en
t
c
o
n
f
i
g
u
r
at
i
o
n
–
T
h
e
m
o
d
el
w
a
s
im
p
l
em
en
t
e
d
u
s
in
g
D
e
t
e
ct
r
o
n
2
0
.
6
,
b
u
i
lt
o
n
P
y
T
o
r
c
h
2
.
2
,
w
ith
Py
th
o
n
3
.
1
0
.
1
2
a
n
d
C
UDA
1
2
.
2
f
o
r
G
PU
a
c
c
el
e
r
a
ti
o
n
.
A
d
d
i
t
io
n
a
l
d
e
p
en
d
en
c
i
e
s
in
cl
u
d
e
d
p
y
c
o
c
o
t
o
o
l
s
2
.
0
.
2
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
15
,
No
.
4
,
A
u
g
u
s
t
20
25
:
4
1
72
-
4180
4176
b.
C
o
m
p
u
t
a
t
i
o
n
al
r
e
s
o
u
r
c
es
–
T
r
a
i
n
in
g
w
a
s
c
o
n
d
u
ct
e
d
o
n
G
o
o
g
le
C
o
l
a
b
,
u
t
i
li
z
in
g
it
s
c
l
o
u
d
-
b
ase
d
i
n
f
r
as
t
r
u
ct
u
r
e
w
ith
C
PU
an
d
T
4
G
PU
a
c
c
ess
.
T
h
e
h
a
r
d
w
a
r
e
s
et
u
p
c
o
n
s
is
te
d
o
f
NV
I
D
I
A
-
S
M
I
5
3
5
.
1
0
4
.
0
5
,
4
G
B
R
A
M
,
500
G
B
s
t
o
r
a
g
e
,
a
n
d
an
I
n
t
el
C
o
r
e
i
5
-
6
2
0
0
U
C
PU
.
c.
T
r
a
i
n
i
n
g
a
p
p
r
o
a
c
h
–
T
h
e
s
tu
d
y
em
p
l
o
y
e
d
M
as
k
R
-
C
NN
f
o
r
P
C
B
d
ef
e
c
t
s
eg
m
en
t
a
t
i
o
n
,
w
i
th
h
y
p
e
r
p
a
r
am
e
t
er
t
u
n
in
g
t
o
o
p
t
im
i
z
e
p
e
r
f
o
r
m
a
n
ce
.
T
h
e
n
e
x
t
s
e
c
ti
o
n
d
e
t
ai
ls
t
r
a
in
i
n
g
c
o
n
f
i
g
u
r
at
i
o
n
s
,
h
y
p
e
r
p
a
r
am
e
te
r
t
u
n
in
g
,
an
d
e
v
a
lu
at
i
o
n
m
e
t
r
ic
s
.
3.
RE
SU
L
T
S
AND
D
I
SCU
SS
I
O
N
3
.
1
.
T
ra
ini
ng
co
nfig
ura
t
io
n
a
nd
lo
s
s
f
un
ct
io
n
T
r
ain
in
g
an
d
v
alid
atio
n
w
er
e
co
n
d
u
cted
u
s
i
n
g
a
d
ataset
co
m
p
r
i
s
i
n
g
5
5
2
im
a
g
e
s
f
o
r
tr
ain
in
g
a
n
d
1
3
8
f
o
r
v
alid
atio
n
,
allo
w
i
n
g
t
h
e
m
o
d
el’
s
p
er
f
o
r
m
an
ce
to
b
e
ass
e
s
s
ed
o
n
u
n
s
ee
n
d
ata.
T
h
e
m
o
d
el
w
as
tr
ai
n
ed
u
s
in
g
f
o
u
r
d
if
f
er
en
t
co
n
f
ig
u
r
atio
n
s
,
as
p
r
esen
ted
in
T
a
b
le
1
.
A
cr
o
s
s
all
ex
p
er
i
m
en
t
s
,
th
e
NUM
B
E
R
_
OF_
C
L
A
S
SES
w
a
s
s
et
to
6
,
th
e
P
A
T
I
E
NC
E
p
ar
a
m
eter
to
5
0
0
,
an
d
th
e
MA
X
_
I
T
E
R
to
1
5
0
0
.
T
ab
le
1
.
Mo
d
el
p
ar
am
eter
tu
n
i
n
g
P
a
r
a
me
t
e
r
Ex
p
1
Ex
p
2
Ex
p
3
Ex
p
4
I
M
S
_
P
ER
B
A
T
C
H
2
4
2
4
B
A
S
E_
L
R
0
.
0
0
1
0
.
0
0
0
2
5
0
.
0
0
0
2
5
0
.
0
0
1
R
O
I
_
H
EA
D
S
_
B
A
T
C
H
_
S
I
Z
E_
P
ER
_
I
M
A
G
E
5
1
2
2
5
6
5
1
2
2
5
6
Dete
ctr
o
n
2
o
f
f
er
s
p
r
e
-
tr
ai
n
ed
m
o
d
els
w
it
h
o
p
ti
m
ized
w
ei
g
h
ts
f
o
r
s
tan
d
ar
d
d
atasets
,
m
a
k
in
g
t
h
e
m
ad
ap
tab
le
f
o
r
cu
s
to
m
d
ataset
s
.
T
o
ev
alu
ate
t
h
eir
ef
f
ec
ti
v
en
e
s
s
o
n
n
e
w
d
ata,
a
m
u
lti
-
co
m
p
o
n
en
t
lo
s
s
f
u
n
ctio
n
is
u
ti
lized
d
u
r
in
g
tr
ain
i
n
g
.
T
h
e
to
tal
lo
s
s
f
u
n
ctio
n
co
n
s
i
s
t
s
o
f
:
a.
C
las
s
i
f
icatio
n
lo
s
s
(
lo
s
s
_
cls)
:
Me
asu
r
es t
h
e
clas
s
i
f
icatio
n
er
r
o
r
.
b.
B
o
u
n
d
in
g
b
o
x
r
eg
r
ess
io
n
lo
s
s
(
lo
s
s
_
b
o
x
_
r
eg
)
: M
ea
s
u
r
es lo
ca
lizatio
n
er
r
o
r
.
c.
Seg
m
en
tatio
n
m
as
k
lo
s
s
(
lo
s
s
_
m
a
s
k
)
: M
ea
s
u
r
es se
g
m
e
n
tat
i
o
n
ac
cu
r
ac
y
.
T
h
e
o
v
er
all
lo
s
s
i
s
co
m
p
u
ted
a
s
a
w
ei
g
h
ted
s
u
m
o
f
th
e
s
e
co
m
p
o
n
en
ts
,
e
n
ab
lin
g
t
h
e
m
o
d
el
to
class
i
f
y
o
b
j
ec
ts
,
ad
j
u
s
t b
o
u
n
d
in
g
b
o
x
e
s
,
an
d
g
e
n
er
ate
p
r
ec
is
e
s
eg
m
e
n
tatio
n
m
a
s
k
s
co
n
cu
r
r
e
n
tl
y
.
=
+
+
(
1
)
3
.
2
.
M
o
del e
v
a
lua
t
i
o
n
m
et
ri
cs
Mo
d
el
p
er
f
o
r
m
a
n
ce
is
p
r
i
m
ar
i
l
y
as
s
es
s
ed
u
s
in
g
a
v
er
ag
e
p
r
ec
is
io
n
(
A
P
)
m
etr
ic
s
,
w
h
ich
e
v
a
lu
ate
b
o
th
lo
ca
lizatio
n
an
d
s
e
g
m
en
ta
tio
n
ac
cu
r
ac
y
.
T
h
ese
m
etr
ics
ar
e
b
ased
o
n
I
n
ter
s
ec
tio
n
o
v
er
U
n
io
n
(
I
o
U
)
,
w
h
ich
q
u
an
ti
f
ie
s
th
e
o
v
er
lap
b
et
w
ee
n
p
r
ed
icted
an
d
g
r
o
u
n
d
tr
u
th
m
as
k
s
a
n
d
s
er
v
es
as
a
s
ca
le
-
i
n
v
ar
ia
n
t
m
ea
s
u
r
e
o
f
d
etec
tio
n
q
u
alit
y
.
A
co
m
m
o
n
l
y
u
s
ed
th
r
es
h
o
ld
o
f
I
o
U
≥
0
.
5
0
h
elp
s
d
is
tin
g
u
is
h
ac
c
u
r
ate
d
etec
tio
n
s
f
r
o
m
f
alse
p
o
s
itiv
es.
T
ab
le
2
o
u
tlin
e
s
th
e
ev
alu
at
io
n
m
e
tr
ics
u
s
ed
,
in
clu
d
in
g
A
P
ac
r
o
s
s
d
if
f
er
e
n
t
I
o
U
th
r
esh
o
ld
s
a
n
d
o
b
j
ec
t scale
s
(
in
p
ix
el
s
)
.
T
ab
le
2
.
A
v
er
ag
e
p
r
ec
is
io
n
(
AP
)
an
d
A
P
ac
r
o
s
s
s
ca
les
M
e
t
r
i
c
D
e
scri
p
t
i
o
n
A
P
I
oU
=
.
50
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
a
t
i
n
t
e
r
se
c
t
i
o
n
o
v
e
r
u
n
i
o
n
(
I
o
U
)
=
0
.
5
0
A
P
I
oU
=
.
75
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
a
t
I
o
U
=
0
.
7
5
AP
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
a
c
r
o
ss I
o
U
r
a
n
g
e
[
0
.
5
0
:
0
.
9
5
]
A
P
s
m
a
l
l
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
f
o
r
sm
a
l
l
o
b
j
e
c
t
s
(
a
r
e
a
<
3
2
2
p
x
)
A
P
m
e
di
um
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
f
o
r
me
d
i
u
m o
b
j
e
c
t
s
(
3
2
2
<
a
r
e
a
<
9
6
2
p
x
)
A
P
l
a
r
ge
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
f
o
r
l
a
r
g
e
o
b
j
e
c
t
s
(
a
r
e
a
>
9
6
2
p
x
)
A
P
all
A
v
e
r
a
g
e
p
r
e
c
i
si
o
n
c
o
n
s
i
d
e
r
i
n
g
a
l
l
o
b
j
e
c
t
si
z
e
s w
i
t
h
o
u
t
r
e
g
a
r
d
t
o
si
z
e
3
.
3
.
P
er
f
o
rm
a
nce
a
na
ly
s
i
s
T
h
e
m
o
d
el’
s
p
er
f
o
r
m
an
ce
w
as
ev
alu
ated
u
s
in
g
lo
s
s
v
alu
e
s
f
r
o
m
t
h
e
tr
ain
i
n
g
d
ataset
an
d
AP
m
etr
ic
s
f
r
o
m
t
h
e
v
alid
atio
n
d
ataset.
Am
o
n
g
t
h
e
f
o
u
r
ex
p
er
i
m
en
t
s
,
E
x
p
er
i
m
e
n
t
4
y
ield
ed
t
h
e
b
e
s
t
r
es
u
lts
.
Fi
g
u
r
e
4
p
r
esen
ts
t
h
e
lo
s
s
cu
r
v
e
s
f
o
r
class
i
f
icatio
n
,
d
etec
tio
n
,
s
eg
m
e
n
tatio
n
,
a
n
d
o
v
er
all
lo
s
s
,
in
d
i
ca
tin
g
a
co
n
s
is
te
n
t
d
ec
lin
e,
w
h
ich
s
i
g
n
if
ies e
f
f
ec
t
iv
e
lear
n
in
g
.
B
y
iter
atio
n
1
5
0
0
,
th
e
to
tal
lo
s
s
co
n
v
er
g
ed
to
1
.
1
4
3
(
class
if
icatio
n
:
0
.
1
2
3
,
d
etec
tio
n
: 0
.
3
1
7
8
,
s
eg
m
en
tatio
n
: 0
.
3
7
0
3
)
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
I
n
s
ta
n
ce
s
eg
men
ta
tio
n
fo
r
P
C
B
d
efec
t d
etec
tio
n
w
ith
Dete
ctro
n
2
(
A
r
a
va
lli
S
a
in
a
th
C
h
a
ith
a
n
ya
)
4177
T
ab
les
3
an
d
4
s
u
m
m
ar
ize
t
h
e
m
o
d
el’
s
A
P
v
al
u
es
f
o
r
b
o
u
n
d
in
g
b
o
x
(
B
b
o
x
)
an
d
s
e
g
m
e
n
tat
io
n
(
Seg
)
ac
r
o
s
s
d
if
f
er
en
t
d
e
f
ec
t
ca
te
g
o
r
ies.
T
h
e
h
i
g
h
est
p
r
ec
is
io
n
w
as
o
b
s
er
v
ed
at
I
o
U=
0
.
5
0
,
p
ar
ticu
lar
l
y
f
o
r
'm
o
u
s
e_
b
ite'
an
d
'm
is
s
in
g
_
h
o
le
.
'
I
n
co
n
tr
as
t,
ca
te
g
o
r
ies
li
k
e
'
s
p
u
r
'
an
d
'sp
u
r
io
u
s
_
co
p
p
er'
ex
h
ib
ited
lo
w
er
A
P
v
alu
e
s
,
in
d
icati
n
g
ch
alle
n
g
e
s
in
d
etec
tin
g
s
m
a
ller
o
r
less
d
i
s
tin
c
t
d
ef
ec
ts
.
T
h
ese
f
in
d
i
n
g
s
h
ig
h
li
g
h
t
th
e
n
ee
d
f
o
r
f
u
r
t
h
er
f
i
n
e
-
t
u
n
in
g
an
d
d
at
a
au
g
m
e
n
tatio
n
to
e
n
h
a
n
ce
p
r
ec
is
io
n
f
o
r
s
u
b
tle
an
d
co
m
p
le
x
d
ef
ec
t t
y
p
e.
Fig
u
r
e
4
.
L
o
s
s
e
s
v
s
iter
atio
n
s
cu
r
v
e
T
ab
le
3
.
E
v
alu
atio
n
o
f
A
P
f
o
r
B
B
o
x
an
d
m
a
s
k
M
e
t
r
i
c
B
b
o
x
S
e
g
AP
2
7
.
0
7
2
3
.
5
9
A
P
I
oU
=
.
50
7
4
.
3
1
6
9
.
3
2
A
P
I
oU
=
.
75
1
1
.
5
8
8
.
0
8
A
P
s
m
a
l
l
2
6
.
6
4
2
1
.
4
8
A
P
m
e
di
um
3
1
.
8
6
3
2
.
2
0
A
P
l
a
r
ge
n
a
n
n
a
n
T
ab
le
4
.
A
P
f
o
r
ea
ch
ca
teg
o
r
y
o
f
d
ef
ec
ts
C
a
t
e
g
o
r
y
B
b
o
x
S
e
g
m
i
ssi
n
g
_
h
o
l
e
2
8
.
0
3
2
4
.
7
2
m
o
u
s
e
_
b
i
t
e
3
5
.
5
9
3
3
.
4
1
o
p
e
n
_
c
i
rc
u
i
t
2
6
.
1
3
2
3
.
2
2
sh
o
r
t
2
7
.
4
7
2
2
.
3
9
sp
u
r
2
1
.
5
5
1
5
.
5
4
sp
u
r
i
o
u
s
_
c
o
p
p
e
r
2
3
.
6
4
2
0
.
2
5
Fig
u
r
e
5
ill
u
s
tr
ate
s
t
h
e
m
o
d
el's
p
r
ed
ictio
n
s
,
i
n
cl
u
d
in
g
b
o
u
n
d
in
g
b
o
x
e
s
a
n
d
s
e
g
m
en
tat
io
n
m
as
k
s
,
f
o
r
v
ar
io
u
s
P
C
B
s
in
th
e
v
a
lid
ati
o
n
d
ataset.
E
ac
h
P
C
B
im
ag
e
f
ea
tu
r
es
a
s
in
g
le
d
ef
ec
t
t
y
p
e
,
s
elec
ted
f
r
o
m
s
i
x
d
is
tin
ct
ca
te
g
o
r
ies:
m
is
s
i
n
g
h
o
le,
m
o
u
s
e
b
ite,
o
p
en
cir
cu
it,
s
h
o
r
t,
s
p
u
r
,
an
d
s
p
u
r
io
u
s
co
p
p
er
,
as
d
escr
ib
ed
in
th
e
d
ataset
s
ec
tio
n
.
T
h
e
co
n
s
o
lid
ated
f
ig
u
r
e
o
f
f
er
s
a
clea
r
v
is
u
aliza
t
io
n
o
f
t
h
e
m
o
d
el
's
p
er
f
o
r
m
an
ce
ac
r
o
s
s
th
ese
d
ef
ec
t t
y
p
es,
w
i
th
t
h
e
co
r
r
esp
o
n
d
in
g
A
P
p
er
ce
n
tag
e
s
d
is
p
la
y
ed
f
o
r
ea
ch
d
ef
ec
t in
s
ta
n
ce
.
3
.
4
.
Dis
cus
s
io
n
o
n
k
ey
f
ind
i
ng
s
T
h
e
r
esu
lts
d
e
m
o
n
s
tr
ate
th
at
Dete
ctr
o
n
2
’
s
Ma
s
k
R
-
C
NN
f
r
a
m
e
w
o
r
k
is
h
i
g
h
l
y
e
f
f
ec
ti
v
e
f
o
r
P
C
B
d
ef
ec
t
d
etec
tio
n
,
p
ar
ticu
lar
l
y
f
o
r
d
ef
ec
ts
lik
e
'm
o
u
s
e_
b
ite
'
an
d
'm
is
s
in
g
_
h
o
le
,
'
w
h
ic
h
ex
h
ib
i
ted
h
ig
h
p
r
ec
is
io
n
.
B
y
le
v
er
ag
in
g
i
n
s
ta
n
ce
s
e
g
m
en
tatio
n
,
t
h
e
m
o
d
el
i
m
p
r
o
v
es
b
o
th
o
b
j
ec
t
lo
ca
lizatio
n
an
d
p
ix
el
-
le
v
el
s
eg
m
e
n
tatio
n
,
o
u
tp
er
f
o
r
m
i
n
g
tr
ad
itio
n
al
i
m
a
g
e
p
r
o
ce
s
s
in
g
an
d
ea
r
lier
d
ee
p
lear
n
in
g
ap
p
r
o
ac
h
es
.
P
ar
am
eter
tu
n
in
g
,
s
u
c
h
as
ad
j
u
s
tin
g
I
MS
_
P
E
R
_
B
A
TC
H
an
d
B
A
S
E
_
LR
,
s
ig
n
i
f
ica
n
tl
y
i
m
p
ac
ted
p
er
f
o
r
m
a
n
ce
,
w
it
h
E
x
p
er
i
m
e
n
t
4
y
ield
in
g
t
h
e
b
est
r
esu
lt
s
.
Ho
w
e
v
er
,
s
u
b
tle
d
ef
ec
ts
li
k
e
'
s
p
u
r
'
an
d
'sp
u
r
io
u
s
_
co
p
p
er
'
s
h
o
w
ed
lo
w
er
p
r
ec
is
io
n
,
h
ig
h
li
g
h
ti
n
g
t
h
e
n
ee
d
f
o
r
f
u
r
t
h
er
r
ef
i
n
e
m
en
t
.
Fu
t
u
r
e
w
o
r
k
s
h
o
u
ld
f
o
c
u
s
o
n
d
ata
au
g
m
en
tatio
n
an
d
f
i
n
e
-
tu
n
i
n
g
,
a
s
in
cr
ea
s
i
n
g
d
ataset
d
iv
er
s
it
y
—
esp
ec
ial
l
y
f
o
r
s
u
b
tle
d
ef
ec
t
s
—
ca
n
i
m
p
r
o
v
e
g
en
er
al
izatio
n
an
d
en
h
a
n
ce
r
ea
l
-
w
o
r
ld
d
etec
t
io
n
ac
cu
r
ac
y
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
15
,
No
.
4
,
A
u
g
u
s
t
20
25
:
4
1
72
-
4180
4178
Fig
u
r
e
5
.
Mo
d
el
p
r
e
d
ictio
n
s
o
f
b
o
u
n
d
in
g
b
o
x
es a
n
d
s
e
g
m
e
n
t
atio
n
m
a
s
k
s
f
o
r
v
ar
io
u
s
d
ef
ec
t
in
s
ta
n
ce
s
i
n
P
C
B
s
w
it
h
co
r
r
esp
o
n
d
in
g
A
P
p
er
ce
n
tag
es
4.
CO
NCLU
SI
O
N
T
h
is
s
t
u
d
y
d
e
m
o
n
s
tr
ates
t
h
e
e
f
f
icien
c
y
o
f
Dete
c
tr
o
n
2
’
s
Ma
s
k
R
-
C
N
N
i
n
d
etec
ti
n
g
an
d
s
eg
m
e
n
ti
n
g
P
C
B
d
ef
ec
ts
,
en
h
an
c
in
g
lo
ca
lizatio
n
ac
cu
r
ac
y
a
n
d
m
in
i
m
iz
in
g
f
alse
p
o
s
iti
v
es
u
s
i
n
g
p
ix
e
l
-
le
v
el
m
a
s
k
s
.
T
h
e
m
o
d
el
ac
h
ie
v
ed
h
i
g
h
p
r
ec
is
io
n
f
o
r
d
ef
ec
t
s
li
k
e
“
m
o
u
s
e_
b
it
e
”
an
d
“
m
i
s
s
i
n
g
_
h
o
le,
”
w
it
h
b
o
u
n
d
in
g
b
o
x
A
P
o
f
2
7
.
0
7
an
d
s
eg
m
e
n
tatio
n
A
P
o
f
2
3
.
5
9
.
A
t
an
I
o
U
t
h
r
esh
o
ld
o
f
0
.
5
0
,
it
r
ec
o
r
d
ed
7
4
.
3
1
(
B
b
o
x
)
an
d
6
9
.
3
2
(
Seg
)
,
d
em
o
n
s
tr
ati
n
g
r
o
b
u
s
t
p
er
f
o
r
m
an
ce
.
Ho
w
e
v
er
,
p
er
f
o
r
m
a
n
c
e
f
o
r
s
m
aller
o
r
m
o
r
e
co
m
p
l
ex
d
ef
ec
ts
,
s
u
ch
as
“
s
p
u
r
”
an
d
“
s
p
u
r
io
u
s
_
co
p
p
er
,
”
w
as
lo
w
er
,
r
ef
lectin
g
th
e
n
ee
d
f
o
r
f
u
r
th
er
r
ef
in
e
m
e
n
t,
p
o
ten
tiall
y
t
h
r
o
u
g
h
ad
d
itio
n
al
tr
ain
i
n
g
d
ata
o
r
f
i
n
e
-
t
u
n
i
n
g
.
T
h
e
co
n
s
i
s
te
n
t
d
ec
li
n
e
i
n
clas
s
i
f
icatio
n
,
d
etec
tio
n
,
an
d
s
e
g
m
en
ta
tio
n
lo
s
s
v
al
u
es
co
n
f
ir
m
s
th
e
m
o
d
el’
s
lear
n
in
g
ef
f
icac
y
.
T
h
is
r
e
s
ea
r
ch
h
i
g
h
lig
h
t
s
th
e
p
o
ten
tia
l
o
f
s
eg
m
e
n
tat
io
n
-
b
ased
m
o
d
els
to
i
m
p
r
o
v
e
au
to
m
ated
P
C
B
in
s
p
ec
tio
n
,
en
ab
lin
g
d
etailed
d
ef
ec
t
an
aly
s
i
s
to
co
m
p
le
m
en
t
tr
ad
itio
n
al
m
et
h
o
d
s
.
F
u
t
u
r
e
d
ir
ec
tio
n
s
m
a
y
in
v
o
lv
e
i
n
te
g
r
a
tin
g
ad
v
a
n
ce
d
m
o
d
els
li
k
e
Y
OL
O
o
r
e
n
s
e
m
b
le
ap
p
r
o
ac
h
es to
f
u
r
th
er
e
n
h
a
n
ce
d
ef
ec
t d
etec
tio
n
f
o
r
r
ea
l
-
t
i
m
e
q
u
alit
y
co
n
tr
o
l in
i
n
d
u
s
tr
ial
s
et
tin
g
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
E
lec
&
C
o
m
p
E
n
g
I
SS
N:
2088
-
8708
I
n
s
ta
n
ce
s
eg
men
ta
tio
n
fo
r
P
C
B
d
efec
t d
etec
tio
n
w
ith
Dete
ctro
n
2
(
A
r
a
va
lli
S
a
in
a
th
C
h
a
ith
a
n
ya
)
4179
ACK
NO
WL
E
D
G
M
E
NT
S
T
h
e
au
th
o
r
s
w
o
u
ld
li
k
e
to
s
p
ec
iall
y
t
h
an
k
“
T
h
e
Op
en
L
ab
o
n
Hu
m
an
-
R
o
b
o
t
I
n
ter
ac
tio
n
-
P
ek
i
n
g
Un
i
v
er
s
it
y
”
f
o
r
P
C
B
Def
ec
t D
ataset.
FU
NDIN
G
I
NF
O
RM
AT
I
O
N
Au
t
h
o
r
s
tate
n
o
f
u
n
d
in
g
i
n
v
o
l
v
ed
.
AUTHO
R
CO
NT
RIB
UT
I
O
NS ST
A
T
E
M
E
NT
T
h
is
j
o
u
r
n
al
u
s
e
s
th
e
C
o
n
tr
ib
u
to
r
R
o
les
T
ax
o
n
o
m
y
(
C
R
ed
iT
)
to
r
ec
o
g
n
ize
in
d
i
v
id
u
al
au
th
o
r
co
n
tr
ib
u
tio
n
s
,
r
ed
u
ce
au
t
h
o
r
s
h
ip
d
is
p
u
tes,
an
d
f
ac
ilit
ate
co
lla
b
o
r
atio
n
.
Na
m
e
o
f
Aut
ho
r
C
M
So
Va
Fo
I
R
D
O
E
Vi
Su
P
Fu
A
r
a
v
alli Sai
n
at
h
C
h
ai
th
a
n
y
a
L
a
v
ad
y
a
Nir
m
ala
Dev
i
P
u
tt
y
Sri
v
id
y
a
C
:
C
o
n
c
e
p
t
u
a
l
i
z
a
t
i
o
n
M
:
M
e
t
h
o
d
o
l
o
g
y
So
:
So
f
t
w
a
r
e
Va
:
Va
l
i
d
a
t
i
o
n
Fo
:
Fo
r
mal
a
n
a
l
y
si
s
I
:
I
n
v
e
st
i
g
a
t
i
o
n
R
:
R
e
so
u
r
c
e
s
D
:
D
a
t
a
C
u
r
a
t
i
o
n
O
:
W
r
i
t
i
n
g
-
O
r
i
g
i
n
a
l
D
r
a
f
t
E
:
W
r
i
t
i
n
g
-
R
e
v
i
e
w
&
E
d
i
t
i
n
g
Vi
:
Vi
su
a
l
i
z
a
t
i
o
n
Su
:
Su
p
e
r
v
i
si
o
n
P
:
P
r
o
j
e
c
t
a
d
mi
n
i
st
r
a
t
i
o
n
Fu
:
Fu
n
d
i
n
g
a
c
q
u
i
si
t
i
o
n
CO
NF
L
I
C
T
O
F
I
N
T
E
R
E
S
T
ST
A
T
E
M
E
NT
Au
t
h
o
r
s
tate
n
o
co
n
f
lict o
f
i
n
t
er
est.
DATA AV
AI
L
AB
I
L
I
T
Y
T
h
e
d
ata
s
u
p
p
o
r
tin
g
th
e
f
in
d
i
n
g
s
o
f
th
i
s
s
tu
d
y
ar
e
av
ailab
l
e
f
r
o
m
P
ek
in
g
Un
i
v
er
s
it
y
u
n
d
er
licen
s
e
an
d
ca
n
n
o
t
b
e
p
u
b
licl
y
s
h
ar
ed
.
Der
iv
ed
s
eg
m
e
n
tatio
n
an
n
o
ta
tio
n
s
a
n
d
th
e
co
d
e
m
a
y
b
e
g
r
an
ted
b
y
th
e
a
u
t
h
o
r
s
u
p
o
n
r
ea
s
o
n
ab
le
r
eq
u
est,
s
u
b
j
ec
t to
ap
p
r
o
v
al
an
d
eth
ical
co
n
s
id
er
atio
n
s
.
RE
F
E
R
E
NC
E
S
[
1
]
“
P
C
B
m
a
n
u
f
a
c
t
u
r
i
n
g
p
r
o
c
e
ss:
A
c
o
mp
r
e
h
e
n
si
v
e
g
u
i
d
e
,
”
M
K
T
PC
B
,
2
0
2
3
.
h
t
t
p
s:
/
/
w
w
w
.
mk
t
p
c
b
.
c
o
m/
p
c
b
-
m
a
n
u
f
a
c
t
u
r
i
n
g
-
p
r
o
c
e
ss/
(
a
c
c
e
sse
d
M
a
y
1
1
,
2
0
2
3
)
.
[
2
]
R
.
G
i
r
sh
i
c
k
,
J.
D
o
n
a
h
u
e
,
T
.
D
a
r
r
e
l
l
,
a
n
d
J.
M
a
l
i
k
,
“
R
i
c
h
f
e
a
t
u
r
e
h
i
e
r
a
r
c
h
i
e
s
f
o
r
a
c
c
u
r
a
t
e
o
b
j
e
c
t
d
e
t
e
c
t
i
o
n
a
n
d
se
man
t
i
c
se
g
me
n
t
a
t
i
o
n
,
”
i
n
Pr
o
c
e
e
d
i
n
g
s
o
f
t
h
e
I
EEE
C
o
m
p
u
t
e
r
S
o
c
i
e
t
y
C
o
n
f
e
re
n
c
e
o
n
C
o
m
p
u
t
e
r
Vi
si
o
n
a
n
d
P
a
t
t
e
r
n
Re
c
o
g
n
i
t
i
o
n
,
J
u
n
.
2
0
1
4
,
p
p
.
5
8
0
–
5
8
7
,
d
o
i
:
1
0
.
1
1
0
9
/
C
V
P
R
.
2
0
1
4
.
8
1
.
[
3
]
R
.
G
i
r
sh
i
c
k
,
“
F
a
st
R
-
C
N
N
,
”
i
n
2
0
1
5
I
EEE
I
n
t
e
r
n
a
t
i
o
n
a
l
C
o
n
f
e
r
e
n
c
e
o
n
C
o
m
p
u
t
e
r
V
i
si
o
n
(
I
C
C
V)
,
2
0
1
5
,
p
p
.
1
4
4
0
–
1
4
4
8
,
d
o
i
:
1
0
.
1
1
0
9
/
I
C
C
V
.
2
0
1
5
.
1
6
9
.
[
4
]
S
.
R
e
n
,
K
.
H
e
,
R
.
G
i
r
sh
i
c
k
,
a
n
d
J.
S
u
n
,
“
F
a
st
e
r
R
-
C
N
N
:
T
o
w
a
r
d
s
r
e
a
l
-
t
i
me
o
b
j
e
c
t
d
e
t
e
c
t
i
o
n
w
i
t
h
r
e
g
i
o
n
p
r
o
p
o
s
a
l
n
e
t
w
o
r
k
s,”
I
EEE
T
ra
n
s
a
c
t
i
o
n
s
o
n
Pa
t
t
e
rn
An
a
l
y
s
i
s
a
n
d
M
a
c
h
i
n
e
I
n
t
e
l
l
i
g
e
n
c
e
,
v
o
l
.
3
9
,
n
o
.
6
,
p
p
.
1
1
3
7
–
1
1
4
9
,
2
0
1
7
,
d
o
i
:
1
0
.
1
1
0
9
/
T
P
A
M
I
.
2
0
1
6
.
2
5
7
7
0
3
1
.
[
5
]
A
.
S
h
a
r
ma,
“
I
n
t
r
o
d
u
c
t
i
o
n
t
o
t
h
e
Y
O
L
O
f
a
mi
l
y
,
”
Py
I
m
a
g
e
S
e
a
rc
h
,
2
0
2
2
.
h
t
t
p
s:
/
/
p
y
i
mag
e
se
a
r
c
h
.
c
o
m/
2
0
2
2
/
0
4
/
0
4
/
i
n
t
r
o
d
u
c
t
i
o
n
-
to
-
t
h
e
-
y
o
l
o
-
f
a
mi
l
y
/
(
a
c
c
e
sse
d
O
c
t
.
1
0
,
2
0
2
3
)
.
[
6
]
H
.
B
a
n
d
y
o
p
a
d
h
y
a
y
,
“
W
h
a
t
i
s
i
n
st
a
n
c
e
se
g
me
n
t
a
t
i
o
n
,
h
o
w
d
o
e
s
i
t
w
o
r
k
a
n
d
w
h
a
t
a
r
e
i
t
s
r
e
a
l
-
l
i
f
e
a
p
p
l
i
c
a
t
i
o
n
s?
R
e
a
d
o
n
t
o
l
e
a
r
n
h
o
w
t
o
t
r
a
i
n
y
o
u
r
o
w
n
i
n
st
a
n
c
e
se
g
me
n
t
a
t
i
o
n
mo
d
e
l
o
n
V
7
i
n
l
e
ss
t
h
a
n
a
n
h
o
u
r
!
,
”
V7
.
2
0
2
2
,
A
c
c
e
sse
d
:
N
o
v
.
1
5
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
w
w
w
.
v
7
l
a
b
s.c
o
m/
b
l
o
g
/
i
n
st
a
n
c
e
-
se
g
me
n
t
a
t
i
o
n
-
g
u
i
d
e
.
[
7
]
Z
.
L
u
,
Q
.
H
e
,
X
.
X
i
a
n
g
,
a
n
d
H
.
L
i
u
,
“
D
e
f
e
c
t
d
e
t
e
c
t
i
o
n
o
f
P
C
B
b
a
se
d
o
n
B
a
y
e
s
f
e
a
t
u
r
e
f
u
si
o
n
,
”
J
o
u
r
n
a
l
o
f
E
n
g
i
n
e
e
ri
n
g
,
v
o
l
.
2
0
1
8
,
n
o
.
1
6
,
p
p
.
1
7
4
1
–
1
7
4
5
,
2
0
1
8
,
d
o
i
:
1
0
.
1
0
4
9
/
j
o
e
.
2
0
1
8
.
8
2
7
0
.
[
8
]
P
.
W
e
i
,
C
.
L
i
u
,
M
.
L
i
u
,
Y
.
G
a
o
,
a
n
d
H
.
L
i
u
,
“
C
N
N
-
b
a
se
d
r
e
f
e
r
e
n
c
e
c
o
mp
a
r
i
so
n
me
t
h
o
d
f
o
r
c
l
a
ss
i
f
y
i
n
g
b
a
r
e
P
C
B
d
e
f
e
c
t
s,
”
J
o
u
rn
a
l
o
f
En
g
i
n
e
e
ri
n
g
,
v
o
l
.
2
0
1
8
,
n
o
.
1
6
,
p
p
.
1
5
2
8
–
1
5
3
3
,
2
0
1
8
,
d
o
i
:
1
0
.
1
0
4
9
/
j
o
e
.
2
0
1
8
.
8
2
7
1
.
[
9
]
V
.
A
.
A
d
i
b
h
a
t
l
a
,
J
.
-
S
.
S
h
i
e
h
,
M
.
F
.
A
b
b
o
d
,
H
.
-
C
.
C
h
i
h
,
C
.
-
.
C
.
H
su
,
a
n
d
J.
C
h
e
n
g
,
“
D
e
t
e
c
t
i
n
g
d
e
f
e
c
t
s
i
n
P
C
B
u
s
i
n
g
d
e
e
p
l
e
a
r
n
i
n
g
v
i
a
c
o
n
v
o
l
u
t
i
o
n
n
e
u
r
a
l
n
e
t
w
o
r
k
s,”
i
n
2
0
1
8
1
3
t
h
I
n
t
e
r
n
a
t
i
o
n
a
l
Mi
c
ro
s
y
s
t
e
m
s,
P
a
c
k
a
g
i
n
g
,
Assem
b
l
y
a
n
d
C
i
r
c
u
i
t
s
T
e
c
h
n
o
l
o
g
y
C
o
n
f
e
re
n
c
e
(
I
MP
AC
T
)
,
2
0
1
8
,
p
p
.
2
0
2
–
2
0
5
,
d
o
i
:
1
0
.
1
1
0
9
/
I
M
P
A
C
T
.
2
0
1
8
.
8
6
2
5
8
2
8
.
[
1
0
]
B
.
H
u
a
n
d
J.
W
a
n
g
,
“
D
e
t
e
c
t
i
o
n
o
f
P
C
B
su
r
f
a
c
e
d
e
f
e
c
t
s
w
i
t
h
i
m
p
r
o
v
e
d
F
a
st
e
r
-
R
C
N
N
a
n
d
f
e
a
t
u
r
e
p
y
r
a
mi
d
n
e
t
w
o
r
k
,
”
I
EEE
Ac
c
e
ss
,
v
o
l
.
8
,
p
p
.
1
0
8
3
3
5
–
1
0
8
3
4
5
,
2
0
2
0
,
d
o
i
:
1
0
.
1
1
0
9
/
A
C
C
ESS
.
2
0
2
0
.
3
0
0
1
3
4
9
.
[
1
1
]
A
.
S
.
C
h
a
i
t
h
a
n
y
a
a
n
d
L
.
N
.
D
e
v
i
,
“
L
o
c
a
l
i
z
a
t
i
o
n
o
f
d
e
f
e
c
t
s
o
n
P
C
B
s
w
i
t
h
d
i
v
e
r
se
a
c
q
u
i
si
t
i
o
n
s,”
J
o
u
r
n
a
l
o
f
I
m
a
g
e
a
n
d
G
r
a
p
h
i
c
s
,
v
o
l
.
1
2
,
n
o
.
1
,
p
p
.
5
3
–
6
5
,
2
0
2
4
,
d
o
i
:
1
0
.
1
8
1
7
8
/
j
o
i
g
.
1
2
.
1
.
5
3
-
6
5
.
[
1
2
]
M
.
C
a
l
a
b
r
e
se
,
L
.
A
g
n
u
sd
e
i
,
G
.
F
o
n
t
a
n
a
,
a
n
d
O
t
h
e
r
s,
“
A
p
p
l
i
c
a
t
i
o
n
o
f
mas
k
R
-
C
N
N
f
o
r
d
e
f
e
c
t
d
e
t
e
c
t
i
o
n
i
n
p
r
i
n
t
e
d
c
i
r
c
u
i
t
b
o
a
r
d
man
u
f
a
c
t
u
r
i
n
g
,
”
Re
se
a
r
c
h
S
q
u
a
r
e
,
2
0
2
3
,
d
o
i
:
1
0
.
2
1
2
0
3
/
r
s.
3
.
r
s
-
3
4
9
1
5
1
7
/
v
1
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
0
8
8
-
8708
I
n
t J
E
lec
&
C
o
m
p
E
n
g
,
Vo
l.
15
,
No
.
4
,
A
u
g
u
s
t
20
25
:
4
1
72
-
4180
4180
[
1
3
]
X
.
H
u
,
“
S
u
p
p
o
r
t
v
e
c
t
o
r
mac
h
i
n
e
a
n
d
i
t
s
a
p
p
l
i
c
a
t
i
o
n
t
o
r
e
g
r
e
ssi
o
n
a
n
d
c
l
a
ssi
f
i
c
a
t
i
o
n
,
”
M
.
S
.
t
h
e
si
s,
G
r
a
d
u
a
t
e
C
o
l
l
e
g
e
,
M
i
sso
u
r
i
S
t
a
t
e
U
n
i
v
e
r
si
t
y
,
S
p
r
i
n
g
f
i
e
l
d
,
M
i
sso
u
r
i
,
U
S
A
,
2
0
1
7
.
[
1
4
]
K
.
H
e
,
G
.
G
k
i
o
x
a
r
i
,
P
.
D
o
l
l
á
r
,
a
n
d
R
.
G
i
r
sh
i
c
k
,
“
M
a
s
k
R
-
C
N
N
,
”
i
n
2
0
1
7
I
E
EE
I
n
t
e
r
n
a
t
i
o
n
a
l
C
o
n
f
e
r
e
n
c
e
o
n
C
o
m
p
u
t
e
r
Vi
s
i
o
n
(
I
C
C
V)
,
2
0
1
7
,
p
p
.
2
9
8
0
–
2
9
8
8
,
d
o
i
:
1
0
.
1
1
0
9
/
I
C
C
V
.
2
0
1
7
.
3
2
2
.
[
1
5
]
Y
.
W
u
,
A
.
K
i
r
i
l
l
o
v
,
F
.
M
a
ssa,
W
.
-
Y
.
L
o
,
a
n
d
R
.
G
i
r
sh
i
c
k
,
“
D
e
t
e
c
t
r
o
n
2
,
”
G
i
t
H
u
b
.
2
0
1
9
,
A
c
c
e
sse
d
:
D
e
c
.
0
8
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
g
i
t
h
u
b
.
c
o
m/
f
a
c
e
b
o
o
k
r
e
se
a
r
c
h
/
d
e
t
e
c
t
r
o
n
2
.
[
1
6
]
“
R
o
b
o
t
i
c
s
i
n
s
t
i
t
u
t
e
d
a
t
a
se
t
,
”
Pe
k
i
n
g
U
n
i
v
e
rsi
t
y
.
2
0
2
3
,
A
c
c
e
sse
d
:
F
e
b
.
1
6
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
r
o
b
o
t
i
c
s.
p
k
u
sz
.
e
d
u
.
c
n
/
r
e
so
u
r
c
e
s/
d
a
t
a
se
t
EN
G
/
.
[
1
7
]
L
a
b
e
l
S
t
u
d
i
o
,
“
G
e
t
st
a
r
t
e
d
-
L
a
b
e
l
S
t
u
d
i
o
q
u
i
c
k
st
a
r
t
g
u
i
d
e
,
”
L
a
b
e
l
S
t
u
d
i
o
.
2
0
2
3
,
A
c
c
e
sse
d
:
S
e
p
.
1
1
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
l
a
b
e
l
st
u
d
.
i
o
/
g
u
i
d
e
/
g
e
t
_
st
a
r
t
e
d
.
h
t
ml
#
Q
u
i
c
k
-
st
a
r
t
.
[
1
8
]
A
.
S
.
C
h
a
i
t
h
a
n
y
a
a
n
d
L
.
N
.
D
e
v
i
,
“
P
r
e
c
i
se
P
C
B
d
e
f
e
c
t
d
e
t
e
c
t
i
o
n
v
i
a
i
n
st
a
n
c
e
se
g
me
n
t
a
t
i
o
n
u
s
i
n
g
Y
O
L
O
v
7
a
n
d
Y
O
L
O
v
8
,
”
J
o
u
rn
a
l
o
f
El
e
c
t
r
o
n
i
c
I
m
a
g
i
n
g
,
v
o
l
.
3
4
,
n
o
.
3
,
p
.
3
3
0
1
8
,
M
a
y
2
0
2
5
,
d
o
i
:
1
0
.
1
1
1
7
/
1
.
JEI
.
3
4
.
3
.
0
3
3
0
1
8
.
[
1
9
]
“
C
o
n
v
e
r
t
d
a
t
a
t
o
C
O
C
O
J
S
O
N
,
”
r
o
b
o
f
l
o
w
.
2
0
2
3
,
A
c
c
e
sse
d
:
O
c
t
.
1
5
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
r
o
b
o
f
l
o
w
.
c
o
m/
f
o
r
mat
s/
c
o
c
o
-
j
s
o
n
.
[
2
0
]
K
.
H
e
,
X
.
Z
h
a
n
g
,
S
.
R
e
n
,
a
n
d
J
.
S
u
n
,
“
D
e
e
p
r
e
si
d
u
a
l
l
e
a
r
n
i
n
g
f
o
r
i
m
a
g
e
r
e
c
o
g
n
i
t
i
o
n
,
”
2
0
1
6
I
EEE
C
o
n
f
e
r
e
n
c
e
o
n
C
o
mp
u
t
e
r
V
i
s
i
o
n
a
n
d
P
a
t
t
e
r
n
R
e
c
o
g
n
i
t
i
o
n
(
C
V
P
R
)
,
L
a
s Ve
g
a
s,
N
V
,
U
S
A
,
2
0
1
6
,
p
p
.
7
7
0
-
7
7
8
,
d
o
i
:
1
0
.
1
1
0
9
/
C
V
P
R
.
2
0
1
6
.
9
0
.
[
2
1
]
A
.
S
.
C
h
a
i
t
h
a
n
y
a
a
n
d
M
.
R
a
c
h
a
n
a
,
“
I
d
e
n
t
i
f
i
c
a
t
i
o
n
o
f
d
i
se
a
se
d
p
a
p
a
y
a
l
e
a
f
t
h
r
o
u
g
h
t
r
a
n
sf
e
r
l
e
a
r
n
i
n
g
,
”
I
n
d
i
a
n
J
o
u
rn
a
l
o
f
S
c
i
e
n
c
e
a
n
d
T
e
c
h
n
o
l
o
g
y
,
v
o
l
.
1
6
,
n
o
.
4
8
,
p
p
.
4
6
7
6
–
4
6
8
7
,
2
0
2
3
.
[
2
2
]
T.
-
Y
.
L
i
n
,
P
.
D
o
l
l
a
r
,
R
.
G
i
r
sh
i
c
k
,
K
.
H
e
,
B
.
H
a
r
i
h
a
r
a
n
,
a
n
d
S
.
B
e
l
o
n
g
i
e
,
“
F
e
a
t
u
r
e
p
y
r
a
mi
d
n
e
t
w
o
r
k
s
f
o
r
o
b
j
e
c
t
d
e
t
e
c
t
i
o
n
,
”
i
n
2
0
1
7
I
EEE
C
o
n
f
e
re
n
c
e
o
n
C
o
m
p
u
t
e
r
Vi
s
i
o
n
a
n
d
P
a
t
t
e
r
n
R
e
c
o
g
n
i
t
i
o
n
(
C
VPR)
,
J
u
l
.
2
0
1
7
,
p
p
.
9
3
6
–
9
4
4
,
d
o
i
:
1
0
.
1
1
0
9
/
C
V
P
R
.
2
0
1
7
.
1
0
6
.
[
2
3
]
“
R
o
i
a
l
i
g
n
l
a
y
e
r
,
”
Me
d
i
u
m
.
2
0
2
3
,
A
c
c
e
sse
d
:
N
o
v
.
2
7
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
f
i
r
i
u
z
a
.
me
d
i
u
m.c
o
m
/
r
o
i
-
p
o
o
l
i
n
g
-
vs
-
r
o
i
-
a
l
i
g
n
-
6
5
2
9
3
a
b
7
4
1
d
b
.
[
2
4
]
“
T
u
r
n
f
a
st
e
r
R
-
C
N
N
i
n
t
o
mas
k
R
-
C
N
N
,
”
T
h
i
n
k
A
u
t
o
n
o
m
o
u
s
,
2
0
2
3
.
h
t
t
p
s:
/
/
w
w
w
.
t
h
i
n
k
a
u
t
o
n
o
mo
u
s.
a
i
/
b
l
o
g
/
i
n
st
a
n
c
e
-
s
e
g
m
e
n
t
a
t
i
o
n
/
(
a
c
c
e
sse
d
D
e
c
.
0
9
,
2
0
2
3
)
.
[
2
5
]
E.
S
h
e
l
h
a
me
r
,
J
.
L
o
n
g
,
a
n
d
T
.
D
a
r
r
e
l
l
,
“
F
u
l
l
y
c
o
n
v
o
l
u
t
i
o
n
a
l
n
e
t
w
o
r
k
s
f
o
r
s
e
man
t
i
c
se
g
me
n
t
a
t
i
o
n
,
”
I
EEE
T
r
a
n
s
a
c
t
i
o
n
s
o
n
Pa
t
t
e
rn
An
a
l
y
si
s
a
n
d
M
a
c
h
i
n
e
I
n
t
e
l
l
i
g
e
n
c
e
,
v
o
l
.
3
9
,
n
o
.
4
,
p
p
.
6
4
0
–
6
5
1
,
2
0
1
7
,
d
o
i
:
1
0
.
1
1
0
9
/
T
P
A
M
I
.
2
0
1
6
.
2
5
7
2
6
8
3
.
[
2
6
]
“
P
r
o
b
a
b
i
l
i
st
i
c
l
o
sse
s.”
2
0
2
3
,
A
c
c
e
ssed
:
O
c
t
.
2
6
,
2
0
2
3
.
[
O
n
l
i
n
e
]
.
A
v
a
i
l
a
b
l
e
:
h
t
t
p
s:
/
/
k
e
r
a
s.
i
o
/
a
p
i
/
l
o
sse
s/
p
r
o
b
a
b
i
l
i
st
i
c
_
l
o
sse
s/
.
B
I
O
G
RAP
H
I
E
S O
F
AUTH
O
RS
Ar
a
v
a
ll
i
S
a
in
a
t
h
Cha
ith
a
n
y
a
is
a
re
se
a
rc
h
sc
h
o
lar
i
n
t
h
e
De
p
a
rtm
e
n
t
o
f
El
e
c
tro
n
ics
a
n
d
C
o
m
m
u
n
ica
ti
o
n
En
g
in
e
e
rin
g
(ECE
)
a
t
Un
iv
e
rsity
Co
ll
e
g
e
o
f
En
g
in
e
e
rin
g
,
Os
m
a
n
ia
Un
iv
e
rsit
y
,
H
y
d
e
ra
b
a
d
,
a
n
d
a
n
a
ss
istan
t
p
r
o
f
e
ss
o
r
a
t
Ra
ji
v
G
a
n
d
h
i
Un
iv
e
rsity
o
f
Kn
o
w
led
g
e
T
e
c
h
n
o
lo
g
ies
(RG
U
KT
),
Ba
s
a
r,
T
e
lan
g
a
n
a
.
He
h
o
ld
s
a
n
M
.
T
e
c
h
.
in
V
L
S
I
s
y
ste
m
d
e
sig
n
a
n
d
a
B.
T
e
c
h
in
ECE
f
ro
m
J
NTU H
y
d
e
ra
b
a
d
.
W
it
h
n
in
e
y
e
a
rs o
f
te
a
c
h
in
g
e
x
p
e
rien
c
e
,
h
is
re
se
a
rc
h
i
n
tere
sts
in
c
l
u
d
e
ima
g
e
p
ro
c
e
ss
in
g
,
n
e
u
ra
l
n
e
tw
o
rk
s,
c
o
m
p
u
ter
v
isio
n
,
m
a
c
h
in
e
lea
rn
in
g
,
a
n
d
V
L
S
I.
He
sp
e
c
ial
ize
s
in
d
ig
it
a
l
sy
ste
m
d
e
si
g
n
,
sy
ste
m
-
on
-
c
h
ip
(S
o
C)
d
e
sig
n
,
a
n
d
v
e
rif
ica
ti
o
n
.
He
c
a
n
b
e
c
o
n
ta
c
ted
a
t
e
m
a
il
:
c
h
a
it
a
n
y
a
.
a
ra
v
a
ll
i@
g
m
a
il
.
c
o
m
.
La
v
a
d
y
a
Nir
m
a
l
a
De
v
i
re
c
e
iv
e
d
h
e
r
B.
En
g
.
,
M
.
E
n
g
.
,
a
n
d
P
h
.
D.
d
e
g
re
e
s
in
e
lec
tro
n
ics
a
n
d
c
o
m
m
u
n
ica
ti
o
n
e
n
g
in
e
e
rin
g
f
ro
m
Os
m
a
n
ia
Un
iv
e
rsit
y
,
H
y
d
e
ra
b
a
d
,
In
d
ia,
w
h
e
re
sh
e
is
c
u
rre
n
tl
y
a
p
ro
f
e
s
so
r
in
th
e
De
p
a
rtm
e
n
t
o
f
ECE
.
W
it
h
o
v
e
r
2
0
y
e
a
rs
o
f
tea
c
h
in
g
e
x
p
e
rien
c
e
,
sh
e
h
a
s
e
x
p
e
rti
se
i
n
su
b
jec
ts
su
c
h
a
s
sig
n
a
ls
a
n
d
sy
ste
m
s,
d
ig
it
a
l
sig
n
a
l
p
ro
c
e
ss
in
g
,
n
e
u
ra
l
n
e
tw
o
rk
s,
A
I/M
L
,
Io
T
,
w
irele
ss
c
o
m
m
u
n
ica
ti
o
n
s,
a
n
d
re
se
a
rc
h
m
e
th
o
d
o
lo
g
y
.
He
r
re
se
a
rc
h
in
tere
sts
in
c
lu
d
e
a
d
-
h
o
c
n
e
tw
o
rk
s,
w
ir
e
les
s
c
o
m
m
u
n
ica
ti
o
n
,
Io
T
,
sig
n
a
l
p
ro
c
e
ss
in
g
,
a
n
d
m
a
c
h
in
e
le
a
rn
in
g
.
S
h
e
is
a
c
ti
v
e
l
y
in
v
o
lv
e
d
in
re
se
a
rc
h
p
ro
jec
ts
f
u
n
d
e
d
b
y
M
e
iT
Y,
DST
,
a
n
d
UG
C,
a
n
d
c
o
ll
a
b
o
ra
tes
w
it
h
T
IHA
N
a
t
IIT
H
y
d
e
ra
b
a
d
o
n
a
u
to
n
o
m
o
u
s
n
a
v
ig
a
ti
o
n
.
S
h
e
c
a
n
b
e
c
o
n
tac
ted
a
t
e
m
a
il
:
n
irm
a
lad
e
v
i@o
s
m
a
n
ia.ac
.
in
.
Pu
tty
S
r
iv
id
y
a
re
c
e
iv
e
d
h
e
r
B.
T
e
c
h
.
in
ECE
f
ro
m
JN
T
UH
,
a
n
d
M
.
E.
in
sig
n
a
l
p
ro
c
e
ss
in
g
a
n
d
P
h
.
D.
f
ro
m
Os
m
a
n
ia
Un
iv
e
rsity
,
H
y
d
e
ra
b
a
d
.
S
h
e
i
s
a
n
a
ss
istan
t
p
ro
f
e
ss
o
r
in
th
e
De
p
a
rtm
e
n
t
o
f
ECE
a
t
U
n
iv
e
rsity
Co
ll
e
g
e
o
f
En
g
in
e
e
rin
g
,
Os
m
a
n
ia
Un
iv
e
rsity
,
w
it
h
o
v
e
r
1
5
y
e
a
rs
o
f
tea
c
h
in
g
e
x
p
e
rien
c
e
.
Dr.
S
riv
id
y
a
h
a
s
se
rv
e
d
a
s
a
T
P
C
m
e
m
b
e
r
f
o
r
CIIS
(
2
0
1
9
–
2
0
2
4
)
a
n
d
is
a
m
e
m
b
e
r
o
f
IEE
E,
th
e
sig
n
a
l
p
ro
c
e
ss
in
g
so
c
iet
y
,
a
n
d
th
e
se
n
so
rs
c
o
u
n
c
il
.
He
r
re
se
a
rc
h
h
a
s
b
e
e
n
p
u
b
li
sh
e
d
in
re
p
u
ted
j
o
u
r
n
a
ls
li
k
e
A
CM
a
n
d
S
p
rin
g
e
r,
a
n
d
sh
e
h
a
s
c
h
a
ired
se
ss
io
n
s
a
t
v
a
rio
u
s
c
o
n
f
e
re
n
c
e
s
a
n
d
e
x
p
o
s.
He
r
re
se
a
rc
h
f
o
c
u
se
s
o
n
w
irele
ss
se
n
so
r
n
e
tw
o
rk
s,
sig
n
a
l
p
ro
c
e
ss
in
g
,
Io
T
,
a
n
d
m
a
c
h
in
e
lea
rn
in
g
.
S
h
e
c
a
n
b
e
c
o
n
tac
ted
a
t
e
m
a
il
:
p
u
tt
y
sriv
id
y
a
8
@g
m
a
il
.
c
o
m
.
Evaluation Warning : The document was created with Spire.PDF for Python.