Android OpenCV DNN Objects Detection

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2450 天前的主题，其中的信息可能已经有所发展或是发生改变。

https://xinlake.github.io/2018-03/opencv-dnn-objects-detection/

10 条回复 • 2018-03-12 23:38:50 +08:00

YRodT

2018-03-11 18:35:28 +08:00 via Android

一张图运算时间多少呢？

XinLake

2018-03-11 19:52:55 +08:00 via Android

@YRodT
没计算这个，大概 5 帧，1920x960 分辨率，一帧计算时间 200ms 以内吧，小米 6，没适配 GPU 计算。

clavichord93

2018-03-11 20:51:21 +08:00 via iPhone

@XinLake 这么大分辨率还算挺快的啊

clavichord93

2018-03-11 20:52:13 +08:00 via iPhone

@XinLake 模型是自己训得还是预训练好的啊

XinLake

2018-03-11 21:48:02 +08:00 via Android

@clavichord93
OpenCV 的 DNN 不支持模型训练，只能通过深度学习框架软件训练模型，然后导入 OpenCV 使用。要识别什么训练什么就行

XinLake

2018-03-11 22:01:37 +08:00 via Android

这种（浮点）计算密集型应用，全部方在 CPU 上跑其实是不合理的，实际使用要适配 GPU 计算加速才正常。
不过这技术理论算法，神经网络模型那些都在发展。

Da11as

2018-03-12 10:00:33 +08:00 via Android

请问楼主的模型大小多少呢

XinLake

2018-03-12 11:27:43 +08:00

@Da11as
模型文件 22M，
APK 34M，OpenCV 库有 10+M

tempdban

2018-03-12 14:15:35 +08:00

@XinLake 按我以前的理解，浮点性能看你是不是有 FPU 加 neon 指令集，并且编译链应该用 arm7-hf ？

XinLake

2018-03-12 23:38:50 +08:00

@tempdban
现在先进多了，也有标准的软件库 OpenCL/CUDA 给 APP 提供硬件计算接口，都是一些 API 调用，但是走那些 API 就会调用硬件 CPU 的 vfp neon 等单元、GPU、DSP 来计算，计算速度不是一个级别的，同时也需要标准化设计。

适配硬件计算加速后才能评估效能，做效率优化。

现在都是 armv8-64 了