樹莓派上的SSD或YOLO

Question

是否可以在樹莓派3上運行SSD或YOLO對象檢測以進行活體對象檢測（2/4幀x秒）？

我已經在python中試過這個SSD實現，但是它每幀需要14s。

Answer 1

這與YOLO一樣。它也需要Nvidia GPU。使用CPU時，每個圖像需要幾秒鐘的時間。

Answer 2

我最近開始關注我的一個項目的對象檢測，並想知道我是否錯過了某些東西來讓東西脫離地面。

我想在樹莓派3上實現一個實時對象檢測系統，以監視例如花園的開放空間。我已經嘗試了一些可用的解決方案。我不需要檢測許多班級（只有3人，狗，自行車），所以也許最快的選項可以用更少的過濾器和參數進行再培訓，從而減少總計算時間。

Darknet（YOLO）[https://github.com/pjreddie/darknet]安裝了默認的darknet測試YOLOv2和YOLO運行在樹莓派pi3上，每幀圖像運行約450秒。微小的YOLO每個圖像運行了40秒。

Tensorflow谷歌對象檢測（API）[https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md]：我試過了所有可用的網絡。性能最佳的是SSD啓動網絡，每個圖像運行26秒。

Microsoft嵌入式學習庫（ELL）[https://github.com/Microsoft/ELL]：由於某些編譯原因，我無法將其解決，但稍後會嘗試再次檢查它。請讓我知道如果這對你有用以及它如何在對象檢測任務中執行。

Darknet-NNPACK [https://github.com/thomaspark-pkj/darknet-nnpack]：這裏的darknet已經針對arm處理器進行了優化，並且通過某種FFT實現實現了卷積，並且加速了很多東西。

我已經實現了最大的承諾，但它有它的問題。

已安裝經過darknet測試的YOLO（full v1）在Raspberry Pi3上運行，每張圖像需要大約45秒，比默認的YOLO網絡快10倍。微小的YOLO每幀運行1.5秒，但沒有結果。

這可能是由於模型和cfg文件之間的版本衝突而導致的錯誤報告。我已經打開github（問題）[https://github.com/thomaspark-pkj/darknet-nnpack/issues/13]]，但尚未收到回覆。

MXnet（SSD）[https://github.com/zhreshold/mxnet-ssd]：SSD的端口在Mxnet（不與NNPACK編譯）每幅圖像88秒MXnet SSD每圖像inceptionv3 35秒

來自Caffe-YOLO [https://github.com/yeahkun/caffe-yolo] MXnet SSD RESNET 50：運行CAFFE上yolo_small每幀處理24秒。在yolo_tiny上運行caffe，每幀5秒。這看起來像我嘗試過的最快的，除非可以解決darknet-nnpack問題。