回答
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。
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。
- 1. 上樹莓派
- 2. 上樹莓派
- 3. 上樹莓派2
- 4. 將樹莓派攝像頭饋送到Darknet和Yolo
- 5. 樹莓派上的Ram
- 6. ElasticSearch上樹莓派退出
- 7. PHP /爲樹莓派
- 8. 設置樹莓派
- 9. 檢查樹莓派
- 10. Python keylistener - 樹莓派
- 11. 與樹莓派GPIO
- 12. YOCTO元樹莓派
- 13. 多個Python GPIO按鈕或樹莓派
- 14. 樹莓派工具鏈上的std :: shared_future
- 15. 樹莓派上的郵件服務器
- 16. 樹莓派上的py.test&pytest:區別?
- 17. 樹莓派上的GPS守護進程
- 18. 樹莓派上的Python延遲
- 19. JavaFX的動畫上樹莓派
- 20. 樹莓派上的USB攝像頭
- 21. 樹莓派上的彙編編碼2
- 22. 在樹莓派上的棒棒糖
- 23. 樹莓派上的Python導入模塊
- 24. 樹莓派(Python)的單位
- 25. 帶Kinect的樹莓派
- 26. 不工作的樹莓派
- 27. 編譯的樹莓派
- 28. 樹莓派從Arduino的
- 29. 如何停止或卸載屏幕上的樹莓派?
- 30. pySerial緩衝GPSD座標上樹莓派