深度学习和OpenCV对象检测(MobileNet SSD多进程视频流实时识别)

最新推荐文章于 2024-09-25 09:46:06 发布

人工智能研究所

最新推荐文章于 2024-09-25 09:46:06 发布

阅读量132

点赞数

分类专栏：人工智能之计算机视觉文章标签：人工智能深度学习机器学习

本文链接：https://blog.csdn.net/weixin_44782294/article/details/132378124

版权

人工智能之计算机视觉专栏收录该内容

61 篇文章 1 订阅 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

本文介绍了如何利用Python的multiprocessing模块和OpenCV进行多进程优化，实现MobileNet SSD模型在视频流上的实时对象检测。通过创建输入和输出队列，将阻塞式的net.forward函数放入单独的进程，提高图片检测速度，达到每秒60帧的检测速率，即使在i5+4G的低配电脑上也能流畅运行。

摘要由CSDN通过智能技术生成

Unix/Linux操作系统提供了一个fork()系统调用，它非常特殊。普通的函数调用，调用一次，返回一次，但是fork()调用一次，返回两次，因为操作系统自动把当前进程（称为父进程）复制了一份（称为子进程），然后，分别在父进程和子进程内返回。
子进程永远返回0，而父进程返回子进程的ID。这样做的理由是，一个父进程可以fork出很多子进程，所以，父进程要记下每个子进程的ID，而子进程只需要调用getppid()就可以拿到父进程的ID。
python Multiprocessing
由于Windows没有fork调用，Windows上无法使用，因此python提供了一个跨平台的多进程支持。multiprocessing模块就是跨平台版本的多进程模块。多进程 Multiprocessing 和多线程 threading 类似, 都是在 python 中用来并行运算的. 由于python存在GIL全局锁的功能，影响了python的多线程并行计算能力，为了解决此类问题，python提供了多进程的概念。
python Queue
queue的功能是将每个核或线程的运算结果放在队里中，等到每个线程或核运行完毕后再从队列中取出结果，继续加载运算。因为多线程或者多进程调用的函数不能有返回值, 所以使用Queue存储多个线程或