技术栈及环境
jetson TX2
tensorrt 7/8
cuda 10.2
MVS hikcamera
yolov5v6.0 ultralytics/tensorrtx
方案
A
基于内存,检测效果,推理速度等相关因素得出的以下方案
1.YOLOV5 L 640/1280 *2
方案:
1.直接训练v5L模型
2.转换tensorrt模型
效果:1280肯定优于640
推理速度:120ms(L,640),430ms(L,1280)
2.YOLOV5 S(L) 640 图片切分
方案:
1.24482048 原图
2.12001200 resize
3.6406404 split
4.24482048 merge
推理速度:120ms(S,30ms4),500ms(L,120ms*4)
3.YOLOV5 检测 + Image Classfication 分类
方案:
1.yolov5训练只分为一类,单纯作为检测器,类似fasterRCNN
2.图片分类网络进行分类任务
4.YOLOV5 修改模型
方案:
1.
减少一次下采样,继续用预训练模型
2.转换tensorrt模型(此处出现问题,无法解决)
效果:
推理速度:30ms(S,640,normal),85ms(S,640,stride1)