PointPillars TensorRT加速

主要是参考这个代码进行修改
https://www.freesion.com/article/4013151153/

但是他用的是pointpillar作者的代码,我用的是second 的代码,所以需要手动修改代码

pytorch进行tensorrt加速有两条路:
1、比较普遍的方法,pytorch导出onnx,再使用tensorrt加快onnx速度
2、直接使用一个工具,叫torch2trt,没用过

注意:方法1注意版本匹配,python模块onnx版本要与tensorRT版本匹配,还要与onnx-tensorRT版本匹配。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
TensorRT PointPillars是一个基于TensorRT加速的3D目标检测算法,主要用于自动驾驶等领域。PointPillars算法首先将点云数据转换为体素表示,并使用二维卷积模型对体素进行特征提取。然后,通过基于RoIAlign的RoI层,将提取的特征投影到特定区域中。接着,对投影区域中的特征进行特征提取,使用互相关操作分别得到目标的中心位置和边框的偏移。最后,使用非极大值抑制(NMS)方法进行目标框的预测和筛选。 TensorRT PointPillars的特点在于其使用了TensorRT来进行加速,通过优化和并行计算,可以大幅提升算法的运算速度和效率。TensorRT是英伟达推出的高性能深度学习推理优化库,能够针对不同硬件平台进行优化,并将模型推理过程中的计算图转换为高效的计算图,减少计算量和存储需求,从而提高模型的推理速度。 PointPillars算法通过将点云数据转换为体素表示,并结合二维卷积模型进行特征提取,有效地解决了点云数据的稀疏性和无序性的问题,提高了目标检测的准确性。另外,使用RoIAlign和互相关操作,进一步提取特征,得到目标的中心位置和边框的偏移,提高了目标检测的精度和鲁棒性。 总之,TensorRT PointPillars是一种基于TensorRT加速的3D目标检测算法,通过优化和并行计算提高了算法的运算速度和效率,在自动驾驶等领域具有重要的应用价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
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
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