求教cpu上如何做到实时检测？

zeusees / License-Plate-Detector

基于Yolov5车牌检测,更快更准.

http://www.zeusee.com

1.19k stars 401 forks source link

Open humorouscat opened 2 years ago

humorouscat commented 2 years ago

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!

Jinkham commented 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

humorouscat commented 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

万分感谢！我自己尝试下，感谢！

humorouscat commented 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

@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！！

Jinkham commented 2 years ago

@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 commented 2 years ago

@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！

Jinkham commented 2 years ago

@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