深度学习异物检测算法_深度学习算法部署项目-开源

前言

随着深度学习的不断火热，涌现了很多深度学习框架，比如caffe tensorflow pytorch mxnet onnx等等，这些框架大大降低了深度学习的入门难度，配合着论文+强大的python，以及github的各种开源项目，比较容易写出一个算法训练工程，并不断训练和迭代。但是训练工程的模型跑分高不一定代表项目部署工程的效果好，原因有很多，可能与训练的数据集有关，也可能与部署工程的代码逻辑有关，也有可能与部署工程的代码效率有关（部署平台的算力和训练平台可能有天壤之别），为了将部署工程的跑分效果尽可能地与训练工程接近，笔者做了一套深度学习算法部署工程，用于部署各种深度识别算法，集成了很多高效、优秀的图像处理模块，如neon加速，双线性插值resize，内存共享降低拷贝等等，只为保证实时视频流的人脸特征提取（视频中可同时存在30张移动人脸）。

目前笔者的开源工程处于建立的初期，很多模块还不完善，所以目前是一个半开源的状态，但是完全不影响二次开发和使用，接口比较简单，感兴趣可以尝试一下。

后续笔者会开源所有源代码，但是真心希望小伙伴们给一些点赞和关注，整个项目都是业余时间做比较辛苦，如果没人关注了不知道能坚持多久，先行谢谢了！<