Question

我正在使用tensorflow进行对象检测器工作，但遇到了一些问题。我训练了一个模型，该模型可部署在android example application（适用于TFDetect活动）上，具有120张图像，20k步长和ssd_mobilenet_v2。我在Windows 10上使用Android Studio。我可以成功训练它并可以正常工作，但是两次检测之间的时间过长，例如4到5秒：

09-26 12:24:56.904 7986-7986/org.tensorflow.demo I/tensorflow: DetectorActivity: Preparing image 192 for detection in bg thread.
09-26 12:24:56.999 7986-8002/org.tensorflow.demo I/tensorflow: DetectorActivity: Running detection on image 192
09-26 12:25:00.439 7986-8002/org.tensorflow.demo I/tensorflow: MultiBoxTracker: Processing 0 results from 192
09-26 12:25:00.508 7986-7986/org.tensorflow.demo I/tensorflow: DetectorActivity: Preparing image 225 for detection in bg thread.
09-26 12:25:00.595 7986-8002/org.tensorflow.demo I/tensorflow: DetectorActivity: Running detection on image 225
09-26 12:25:04.059 7986-8002/org.tensorflow.demo I/tensorflow: MultiBoxTracker: Processing 0 results from 225
09-26 12:25:04.060 7986-7986/org.tensorflow.demo I/tensorflow: DetectorActivity: Preparing image 258 for detection in bg thread.
09-26 12:25:04.154 7986-8002/org.tensorflow.demo I/tensorflow: DetectorActivity: Running detection on image 258
09-26 12:25:07.559 7986-8002/org.tensorflow.demo I/tensorflow: MultiBoxTracker: Processing 0 results from 258

当我在较新的手机上运行它时。时间减少到2或3秒。另外，当我开始使用MobileNet模型时好一点。我正在寻找找到优化方法或可以减少时间的方法。

哪些因素会影响检测速度？（更多图片？更多培训步骤？），我可以使用哪些优化方法？

我已经读过this和that，但是大多数示例都是针对图像的分类器或不推荐使用，给我很多错误。我对此非常困惑。

Answer 1

有多种减少检测时间的方法。例如，您可以尝试将较小的图像（较少的像素即更少的计算）馈送到神经网络，或进行灰度训练和分类。（更少的颜色==更少的数据==更少的计算）。

如何优化张量流对象检测器？

1 个答案: