Question

Google Object Detection API：

https://github.com/tensorflow/models/tree/master/research/object_detection

测试代码：

https://github.com/tensorflow/models/blob/master/research/object_detection/object_detection_tutorial.ipynb

我按如下方式执行了Google Object Detection API的测试代码：

with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
    start = time.time()
    image_tensor = 
    detection_graph.get_tensor_by_name('image_tensor:0')
    # Each box represents a part of the image where a particular 
    #object was detected.
    detection_boxes = 
    detection_graph.get_tensor_by_name('detection_boxes:0')        
    detection_scores = 
    detection_graph.get_tensor_by_name('detection_scores:0')
    detection_classes = 
    detection_graph.get_tensor_by_name('detection_classes:0')
    num_detections = 
    detection_graph.get_tensor_by_name('num_detections:0')

    for image_path in TEST_IMAGE_PATHS:
      image = Image.open(image_path)
      image_np = load_image_into_numpy_array(image)
      image_np_expanded = np.expand_dims(image_np, axis=0)
      # Actual detection.
      (boxes, scores, classes, num) = sess.run(
          [detection_boxes, detection_scores, detection_classes, 
         num_detections], feed_dict={image_tensor: image_np_expanded})

      # Visualization of the results of a detection.
      vis_util.visualize_boxes_and_labels_on_image_array(
          image_np,
          np.squeeze(boxes),
          np.squeeze(classes).astype(np.int32),
          np.squeeze(scores),
          category_index,
          use_normalized_coordinates=True,
          line_thickness=2)

    print("--- %s seconds ---" % (time.time() - start))

根据Google研究论文，Google Object Detection API支持的所有型号都具有实时性能！ 然而，上述测试代码显示检测一个图像花费约3秒（实际上，200帧 - > 130秒，400帧 - > 250秒）。我认为这个结果是错误的，因为这个模型具有实时性能。

可能的原因我期待......

GPU无法正常工作。
错误的测量测试运行时方法

请告诉我如何准确测量检测时间。

有关详细信息，请参阅以下链接 https://github.com/tensorflow/models/issues/3531

Answer 1

实际上，“ object_detection_tutorial笔记本”运行非常缓慢，因为它不仅仅是实际的推断。它会加载图像，将其放入numpy数组中，加载图形（在计算上非常昂贵），以批处理大小1运行实际推断，并输出带有框的图像。

此脚本离优化还很遥远，也不是用于时间紧迫的目的。这只是为了快速视觉验证模型。

如果您想为生产部署模型（通常需要时间），Tensorflow Serve是您想要的。借助Tensorflow服务，您可以轻松构建运行模型的GPU服务器。它具有多种功能，可简化您的生活。因此，您只需要将图像传递到服务器，它将返回模型的输出。后处理应该由另一台服务器完成，因为GPU服务器通常非常昂贵。那里有一些不错的教程，描述了如何使用Tensorflow Serve设置对象检测服务器。例如here。它需要使用Docker的一些经验，但是您会相处的！

希望这会有所帮助！

Tensorflow对象检测api测试时间（Google对象检测运行时间）

1 个答案: