人群计数 P2PNet 算法使用笔记

本文介绍了使用P2PNet算法进行人群计数的实践,包括修改测试代码、监控摄像头的误检问题、ONNX部署的调试过程,以及Python ONNX测试中遇到的问题和解决方案。P2PNet依赖于VGG16_BN作为主干网络,适用于高空远距离监控场景,但近距离效果不佳。测试显示平均处理一张图片耗时100ms,而ONNX部署在特定输入分辨率下速度较慢。
摘要由CSDN通过智能技术生成

目录

自己修改了一下测试代码:

监控摄像头测试:误检挺多的,

onnx部署调试ok

python onnx测试:


开源地址:

GitHub - TencentYoutuResearch/CrowdCounting-P2PNet: The official codes for the ICCV2021 Oral presentation "Rethinking Counting and Localization in Crowds: A Purely Point-Based Framework"

原理:

每个人头上得到一个点,输入是rgb图,下面是效果图:

 只适合高空远距离监控,距离近了就不合适了。

速度,平均100ms一张图片&

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值