该文章属于AI视觉应用研发初级内容,后续我会逐步更新详细的高级教程和文章。
AI视觉识别的应用场景还是很多的,比如:道路交通、智能家居、智慧厨房、游戏服务、智慧医疗等
举个简单例子:上传体检报告后根据报告推荐饮食搭配和运动建议,按次收费或带货盈利
我是如何做计算机视觉研发的呢?
其实,通过Yolo模型可以快速的实现业务需求,目前最新版本v8,v8的地址:Ultralytics YOLOv8 Docs
先说结果:
家用电脑配置:I7-7700k, 48g内存, 1060-6g显卡, Windows-11
语言 | 识别效率 | FPS | 显卡 |
---|---|---|---|
C# | 12ms | ≈60~80 | 1060 |
C++ | 9ms | ≈70~85 | 1060 |
C# | 3ms | ≈105~120 | 4090 |
C++ | 1~2ms | ≈130~140 | 4090 |
··识别效率=图像获取+自训练物体识别+识别结果反馈
实现前要学习几个基础知识和环境准备:
- ONNX Runtime: