Optimierung der Leistung von Trackern auf Geräten mit geringer Rechenleistung
Wenn Trackers auf einem Gerät mit begrenzter Rechenleistung läuft, kann es auf folgende Weise optimiert werden:
- Quantifizierung der ModellierungKonvertierung des Erkennungsmodells in das INT8-Format mit Hilfe des Quantisierungswerkzeugs PyTorch, um den Rechen- und Speicherbedarf zu verringern.
- Eingabe EinstellungReduzieren Sie die Auflösung des Videoeingangs (z. B. von 1080p auf 720p).
- Optimierung mit mehreren ThreadsVideo-Stream-Erfassung, Zielerfassung und Tracking-Anmerkung in verschiedene Threads aufteilen.
- leichtes BauteilSORT anstelle von DeepSORT wurde als Tracking-Algorithmus gewählt, um den Rechenaufwand zu verringern.
Darüber hinaus können Rahmenwerke zur Beschleunigung von Schlussfolgerungen wie TensorRT in Betracht gezogen werden, um die Leistung weiter zu optimieren. Für eingebettete Geräte können auch Modellbeschneidungstechniken untersucht werden, um redundante Parameter im Erkennungsnetz zu entfernen.
Diese Antwort stammt aus dem ArtikelTrackers: Open-Source-Werkzeugbibliothek für die Verfolgung von VideoobjektenDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Wie können Tracker so optimiert werden, dass sie auf Geräten mit geringer Rechenleistung effizient laufen?
