Open humorouscat opened 2 years ago
1.图像输入分辨率缩放到控制在600左右。2.用opencv的dnn模块进行推理,模型自己转成onnx。3.你最好有一个高性能的cpu机器。o( ̄︶ ̄)o
1.图像输入分辨率缩放到控制在600左右。2.用opencv的dnn模块进行推理,模型自己转成onnx。3.你最好有一个高性能的cpu机器。o( ̄︶ ̄)o
万分感谢!我自己尝试下,感谢!
1.图像输入分辨率缩放到控制在600左右。2.用opencv的dnn模块进行推理,模型自己转成onnx。3.你最好有一个高性能的cpu机器。o( ̄︶ ̄)o
@Jinkham 您好,求教下,我自己用项目中export.py文件将模型转换为onnx,分辨率在640的情况下,实际测下来速度反而更耗时间,之前pt模型640耗时100毫秒左右,dnn推理需要350毫秒,烦请指导下我哪部分出了问题! 万分感谢!!
@humorouscat 你的opencv版本是多少,自己编译的还是直接用的官方编译好的?按理说不应该。
@humorouscat 你的opencv版本是多少,自己编译的还是直接用的官方编译好的?按理说不应该。
@Jinkham opencv用的官方编译好的,pip 安装的,版本号是4.5.5.62,下面是导出的onnx模型,感谢您的指导,期待您的回复。再次感谢!
@humorouscat 你试一下这个工程,看看速度怎么样:https://github.com/hpc203/yolov5-detect-car_plate_corner
求教作者,想要目前模型在cpu上实现30fps的推理速度,有没有什么方法?感谢!