@mr_blaze

Как оптимизировать потоковую локализацию объектов на TensorFlow, OpenCV и Python [ЗАКРЫТО]?

И снова здравствуйте! Непонятным магическим способом установил OpenCV. Нашёл гайд(оригинал на английском), всё работает хорошо, но есть две проблемы: 1. локализация оооочень кривая (есть подозрения, что это из-за обучающей выборки) 5abba257ccbe9608173428.jpeg 2.Детектирование на обычных изображениях занимает прилично так времени, 1 - 8 секунд и сам процесс жрёт 1 гб опеативки и грузит процессор на 100 %! 5abba35693d4f984055991.png!!!
Но TensorFlow и OpenCV вроде-как написаны на c++ и очень хорошо оптимизированы, а змейка всего-лишь оболочка?
Вопросов несколько:
  1. Почему всё так криво детектируется?
  2. Возможно ли этими средствами реализовать обработку видео на Raspbery Pi, а точнее на Orange Pi с 1 гб оперативноё памяти и минимум с 15 - 30 FPS?
  3. Как моно оптимизировать этот код?
  4. Есть ли аналоги более приспособленные для этих целей?
  5. Нужен ли здесь c++?
  6. Есть ли примеры реализации чего-нибудь подобного?

Буду очень признателен тем кто сможет ответить!
P.S. Конечная цель состоит в управлении роботом в зависимости от окружающей среды, взаимодействие с другими объектами (двери, огнетушители).
  • Вопрос задан
  • 523 просмотра
Пригласить эксперта
Ответы на вопрос 2
dimonchik2013
@dimonchik2013
non progredi est regredi
у вас же ответы в вашей статье есть , см. если коротко,

на других датасетах может быть побыстрее, но то что вы хотите - лет через пять
Ответ написан
WondeRu
@WondeRu
Посмотрите на Intel Movidius, это специальное устройство, которое может работать в паре с Raspberri. Оно может увеличить скорость распознавания существенно
https://www.pyimagesearch.com/2018/02/12/getting-s...
Судя по описанию, железка интересная за свои деньги, но она только для распознавания, учить сеть с помощью нее нельзя.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы