ROS Python中深度学习前向传播速度变慢

最新推荐文章于 2023-08-07 00:30:00 发布

Tobyzzy

最新推荐文章于 2023-08-07 00:30:00 发布

阅读量993

点赞数

分类专栏： Python Caffe

本文链接：https://blog.csdn.net/Tobyzzy/article/details/82463335

版权

本文主要探讨了ROS环境下YOLO检测算法前向传播速度变慢的问题，原因是前向传播在订阅回调函数中运行导致的进程问题。通过在主线程外新开进程来处理前向传播，成功解决了速度慢的问题。解决方案包括使用线程启动独立的`rosspin`运行，并在订阅函数中保存全局图像以供后续处理。

摘要由CSDN通过智能技术生成

问题描述：

yolo检测算法，在非ROS环境下前向传播时间0.019s左右，放在ros环境下就1.3s了。慢的难以忍受

分析原因：

因为前向传播在订阅的回调函数中实现，出现了进程问题，所以变慢了。需要重开进程

解决：

订阅函数保存全局图像，新开进程进行前向传播

关键语句：

（1）

import thread

def call_rosspin():
print ('running rosspin...')
rospy.spin()

thread.start_new_thread(call_rosspin, ())

（2）订阅函数写为保存全局图像

def img_L_sub(imgmsg):
global img_L
global flag_img_L
bridge = CvBridge()
img_L = bridge.imgmsg_to_cv2(imgmsg, "bgr8")
flag_img_L = True
print 'img_L recieved'

（3）实例程序

#!/usr/bin/env python
import numpy as np
import cv2
import os, sys

import rospy
from sensor_msgs.msg import Image
from cv_bridge import CvBridge
import thread
from datetime import datetime
from yolo_ros.msg import TargetsInfo

#sys.path.insert(0, '../../python/')
caffe_root = '/home/alvin/Desktop/caffe-yolo/'
sys.path.insert(0, caffe_root + 'python')
import caffe
caffe.set_device(0)
caffe.set_mode_gpu()

mean = np.require([104, 117, 123], dtype=np.float32)[:, np.newaxis, np.newaxis] ##??[104, 117, 123] [ r g b]???

img_L = cv2.imread('Null')
flag_img_L = False

pb = 0.3

def img_L_sub(imgmsg):
global img_L
global flag_img_L
bridge = CvBridge()
img_L = br