树莓派上的 SSD 或 YOLO

Question

是否可以在 raspberry pi 3 上运行 SSD 或 YOLO 对象检测以进行实时对象检测（2/4 帧 x 秒）？

我已经在 python 中尝试过这个SSD实现，但每帧需要 14 秒。

Answer 1

我最近开始研究我的一个项目的对象检测，并想知道是否遗漏了一些东西来使东西落地。

我想在 raspberry pi 3 上实现一个实时物体检测系统，用于监视开放空间，例如花园。我已经尝试了一些可用的解决方案。我不需要检测很多类（只有 3 人、狗、自行车），所以也许可以用更少的过滤器和参数重新训练最快的选项，从而减少总计算时间。

暗网(YOLO) [ https://github.com/pjreddie/darknet]安装的默认暗网测试了 YOLOv2，YOLO 在树莓派 pi3 上运行，每帧每张图像运行大约 450 秒。Tiny YOLO 每个图像运行了 40 秒。

Tensorflow Google 对象检测 (API)[ https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md]：我尝试了所有可用的网络。表现最好的是 SSD 初始网络，它以每张图像 26 秒的速度运行。

Microsoft 嵌入式学习库 (ELL)[ https://github.com/Microsoft/ELL]：由于某些编译原因，我无法使其正常工作，但稍后会再次尝试检查。请告诉我这是否对您有用以及它在对象检测任务中的表现如何。

Darknet-NNPACK[ https://github.com/thomaspark-pkj/darknet-nnpack]：这里的暗网针对 arm 处理器进行了优化，并使用某种 FFT 实现实现了卷积，大大加快了速度。

我已经实现了大部分的承诺，但它有它的问题。

已安装的经过暗网测试的 YOLO（完整 v1）在 Raspberry Pi3 上运行，每个图像需要大约 45 秒，比默认 YOLO 网络快 10 倍。Tiny YOLO 每帧运行了 1.5 秒，但没有给出任何结果。

由于模型和 cfg 文件之间的版本冲突，这可能是报告的错误。我已经打开了一个 github（问题）[ https://github.com/thomaspark-pkj/darknet-nnpack/issues/13]一段时间，但尚未收到回复。

MXnet (SSD)[ https://github.com/zhreshold/mxnet-ssd] : Mxnet 中 SSD 的端口（未使用 NNPACK 编译）MXnet SSD resnet 50 每张图像 88 秒 MXnet SSD inceptionv3 每张图像 35 秒

Caffe-YOLO[ https://github.com/yeahkun/caffe-yolo]：在 yolo_small 上运行 caffe，每帧 24 秒。在 yolo_tiny 上运行 caffe 每帧 5 秒。除非可以解决darknet-nnpack问题，否则这看起来是我尝试过的最快的。