1
ラズベリーパイ3でSSDまたはYOLOオブジェクト検出を実行することは可能ですか？ライブオブジェクト検出（2/4フレームx秒）ですか？ラズベリーパイのSSDまたはYOL
私はこのSSDの実装をPythonで実装しようとしましたが、フレームあたり14秒かかります。
A
答えて
0
YOLOと同じです。また、NVIDIA GPUが必要です。 CPUを使用すると、イメージごとに数秒かかる。
2
私は最近、私のプロジェクトのためのオブジェクト検出を探し始めました。そして、物を得るために何かが欠けているのだろうかと思っていました。
ラズベリーパイ3でリアルタイムのオブジェクト検出システムを実装して、庭などの空き領域を監視したいと考えています。私はすでにいくつかの解決策を試しました。私は多くのクラス（3人、犬、自転車のみ）を検出する必要はないので、より少ないオプションのフィルタとパラメータを使用して再学習することができ、合計計算時間を短縮できます。
ダークネット（YOLO）[https://github.com/pjreddie/darknet]テストされたデフォルトのダークネットがインストールされていますYOLOv2とYOLOはラズベリーのパイ3で動作し、各フレームは各画像に対して約450秒間実行されます。小さなYOLOは1画像につき40秒間走っていました。
Tensorflow Googleオブジェクト検出（API）[https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md]：利用可能なすべてのネットワークを試しました。最高の性能を発揮するのは、画像あたり26秒で動作するSSDの開始ネットワークでした。
マイクロソフト埋め込みラーニングライブラリ（）：これはいくつかのコンパイルの理由で機能しませんでしたが、後でもう一度チェックアウトしようとします。これがあなたのために機能し、オブジェクト検出タスクでどのように機能するのか教えてください。
Darknet-NNPACK [https://github.com/thomaspark-pkj/darknet-nnpack]：ここでは、darknetはアームプロセッサ用に最適化されており、いくつかの種類のFFT実装で畳み込みを実装していました。
私はこれから最も有望ですが、問題があります。
インストールされているダークネットテストされたYOLO（フルv1）はRaspberry Pi3で動作し、各画像にはデフォルトのYOLOネットワークよりも10倍高速の約45秒が必要です。小さなYOLOは1フレームにつき1.5秒走っていましたが、結果は出ません。
これは、モデルとcfgファイルのバージョンの競合のために報告されたバグです。私はgithub（問題）[https://github.com/thomaspark-pkj/darknet-nnpack/issues/13]を開いてまだ返信を受けています。
MXnet（SSD）https://github.com/zhreshold/mxnet-ssd]：画像あたり（NNPACKでコンパイルされていない）MxnetにおけるSSDのポートMXnet SSDのresnet 50画像あたり88秒MXnet SSDのinceptionv3 35秒
カフェ-YOLO [https://github.com/yeahkun/caffe-yolo]：カフェ上で実行されていますyolo_smallはフレームごとに24秒で動作します。 yolo_tinyでcaffeを実行すると、1フレームあたり5秒で動作します。これは、darknet-nnpackの問題を解決できない限り、私が試した中で最も速いもののようです。