我计划在智能手机中实现实时对象检测功能。对于ios，我知道我可以将CoreML与微小的YOLO结合使用来完成此功能。但是，智能手机的检测速度较慢，准确性也不高。
因此，我希望我可以在Python服务器中构建对象检测。智能手机将捕获帧或使用实时流媒体将帧传递到服务器。然后，服务器会将结果返回到智能手机。智能手机将显示边界框。是否有可能在更少的延迟内完成所有事情？
答案 0 :(得分：0)
您确定它的速度慢且准确性不好吗？
TinyYOLO在iPhone XS上以200 FPS运行，甚至 full YOLO-v3在最新设备上也以实时帧速率运行。有关示例，请参见：https://github.com/Ma-Dan/YOLOv3-CoreML。
MobileNetV2 + SSDLite最高可达到90 FPS。
您实际上并不会以这些超高速运行这些模型，但这表明它们具有实时运行的能力。即使在较旧的设备上，SSDLite仍可实现实时速度。
（当然，更快的R-CNN并不是移动设备上的速度怪兽。）
假设您需要达到30 FPS。这意味着您每帧有33毫秒的时间将帧发送到服务器，对其进行处理，然后将边界框发送回客户端。也许您可以使其对单个用户的运行速度足够快，但是如果成千上万的用户一次尝试执行此操作，那么如何使服务器运行得足够快呢？
您必须将请求排队，并分批处理以获得最佳吞吐量，但这也会增加延迟。
通过在服务器上执行此操作，您实际上要解决三个问题：1）使其足够快，2）使其可扩展，3）付费。
我并不是说不能使用服务器来完成此操作，但不要过早注销设备上的对象检测。