树莓派上的SSD或YOLO

Question

是否可以在树莓派3上运行SSD或YOLO对象检测以进行活体对象检测（2/4帧x秒）？

我已经在python中试过这个SSD实现，但是它每帧需要14s。

Answer 1

这与YOLO一样。它也需要Nvidia GPU。使用CPU时，每个图像需要几秒钟的时间。

Answer 2

我最近开始关注我的一个项目的对象检测，并想知道我是否错过了某些东西来让东西脱离地面。

我想在树莓派3上实现一个实时对象检测系统，以监视例如花园的开放空间。我已经尝试了一些可用的解决方案。我不需要检测许多班级（只有3人，狗，自行车），所以也许最快的选项可以用更少的过滤器和参数进行再培训，从而减少总计算时间。

Darknet（YOLO）[https://github.com/pjreddie/darknet]安装了默认的darknet测试YOLOv2和YOLO运行在树莓派pi3上，每帧图像运行约450秒。微小的YOLO每个图像运行了40秒。

Tensorflow谷歌对象检测（API）[https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md]：我试过了所有可用的网络。性能最佳的是SSD启动网络，每个图像运行26秒。

Microsoft嵌入式学习库（ELL）[https://github.com/Microsoft/ELL]：由于某些编译原因，我无法将其解决，但稍后会尝试再次检查它。请让我知道如果这对你有用以及它如何在对象检测任务中执行。

Darknet-NNPACK [https://github.com/thomaspark-pkj/darknet-nnpack]：这里的darknet已经针对arm处理器进行了优化，并且通过某种FFT实现实现了卷积，并且加速了很多东西。

我已经实现了最大的承诺，但它有它的问题。

已安装经过darknet测试的YOLO（full v1）在Raspberry Pi3上运行，每张图像需要大约45秒，比默认的YOLO网络快10倍。微小的YOLO每帧运行1.5秒，但没有结果。

这可能是由于模型和cfg文件之间的版本冲突而导致的错误报告。我已经打开github（问题）[https://github.com/thomaspark-pkj/darknet-nnpack/issues/13]]，但尚未收到回复。

MXnet（SSD）[https://github.com/zhreshold/mxnet-ssd]：SSD的端口在Mxnet（不与NNPACK编译）每幅图像88秒MXnet SSD每图像inceptionv3 35秒

来自Caffe-YOLO [https://github.com/yeahkun/caffe-yolo] MXnet SSD RESNET 50：运行CAFFE上yolo_small每帧处理24秒。在yolo_tiny上运行caffe，每帧5秒。这看起来像我尝试过的最快的，除非可以解决darknet-nnpack问题。