回答
这与YOLO一样。它也需要Nvidia GPU。使用CPU时,每个图像需要几秒钟的时间。
我最近开始关注我的一个项目的对象检测,并想知道我是否错过了某些东西来让东西脱离地面。
我想在树莓派3上实现一个实时对象检测系统,以监视例如花园的开放空间。我已经尝试了一些可用的解决方案。我不需要检测许多班级(只有3人,狗,自行车),所以也许最快的选项可以用更少的过滤器和参数进行再培训,从而减少总计算时间。
Darknet(YOLO)[https://github.com/pjreddie/darknet]安装了默认的darknet测试YOLOv2和YOLO运行在树莓派pi3上,每帧图像运行约450秒。微小的YOLO每个图像运行了40秒。
Tensorflow谷歌对象检测(API)[https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md]:我试过了所有可用的网络。性能最佳的是SSD启动网络,每个图像运行26秒。
Microsoft嵌入式学习库(ELL)[https://github.com/Microsoft/ELL]:由于某些编译原因,我无法将其解决,但稍后会尝试再次检查它。请让我知道如果这对你有用以及它如何在对象检测任务中执行。
Darknet-NNPACK [https://github.com/thomaspark-pkj/darknet-nnpack]:这里的darknet已经针对arm处理器进行了优化,并且通过某种FFT实现实现了卷积,并且加速了很多东西。
我已经实现了最大的承诺,但它有它的问题。
已安装经过darknet测试的YOLO(full v1)在Raspberry Pi3上运行,每张图像需要大约45秒,比默认的YOLO网络快10倍。微小的YOLO每帧运行1.5秒,但没有结果。
这可能是由于模型和cfg文件之间的版本冲突而导致的错误报告。我已经打开github(问题)[https://github.com/thomaspark-pkj/darknet-nnpack/issues/13]],但尚未收到回复。
MXnet(SSD)[https://github.com/zhreshold/mxnet-ssd]:SSD的端口在Mxnet(不与NNPACK编译)每幅图像88秒MXnet SSD每图像inceptionv3 35秒
来自Caffe-YOLO [https://github.com/yeahkun/caffe-yolo] MXnet SSD RESNET 50:运行CAFFE上yolo_small每帧处理24秒。在yolo_tiny上运行caffe,每帧5秒。这看起来像我尝试过的最快的,除非可以解决darknet-nnpack问题。
- 1. 上树莓派
- 2. 上树莓派
- 3. 上树莓派2
- 4. 将树莓派摄像头馈送到Darknet和Yolo
- 5. 树莓派上的Ram
- 6. ElasticSearch上树莓派退出
- 7. PHP /为树莓派
- 8. 设置树莓派
- 9. 检查树莓派
- 10. Python keylistener - 树莓派
- 11. 与树莓派GPIO
- 12. YOCTO元树莓派
- 13. 多个Python GPIO按钮或树莓派
- 14. 树莓派工具链上的std :: shared_future
- 15. 树莓派上的邮件服务器
- 16. 树莓派上的py.test&pytest:区别?
- 17. 树莓派上的GPS守护进程
- 18. 树莓派上的Python延迟
- 19. JavaFX的动画上树莓派
- 20. 树莓派上的USB摄像头
- 21. 树莓派上的汇编编码2
- 22. 在树莓派上的棒棒糖
- 23. 树莓派上的Python导入模块
- 24. 树莓派(Python)的单位
- 25. 带Kinect的树莓派
- 26. 不工作的树莓派
- 27. 编译的树莓派
- 28. 树莓派从Arduino的
- 29. 如何停止或卸载屏幕上的树莓派?
- 30. pySerial缓冲GPSD坐标上树莓派