研究团队用TensorRT将实时对象检测性能提高6倍

文章来源：ATYUN AI平台 

SK Telecom的研究人员开发了一种新方法，用NVIDIA TensorRT高性能深度学习推理引擎使基于深度学习的对象检测加速。该方法可用于各种项目，包括监测医院或疗养院的患者，深入运动员的运动分析，帮助执法机构找到失踪或被绑架的儿童。

该方法首次在今年圣何塞的GPU技术大会上发布，其重点是提高人体检测的准确性并最大化实时推理应用的吞吐量。

他们的TensorRT集成性能提高了6倍之多。

SK Telecom的机器学习和计算机视觉工程师Shounan An表示：“SIDNet在NVIDIA Tesla V100上使用INT8比原来的YOLO-v2 运行速度快6倍，这通过在几个基准对象检测和入侵检测数据集上验证SIDNet来证实。“与FP32模式相比，性能提高6倍，而精度仅降低了1％。”

YOLO-v2和SIDNet在FP32 / FP16 / INT8模式下的推理时间，所有实验均基于NVIDIA Tesla V100进行。

“使用INT8时，TensorRT可实现强大的推理加速，同时将精度损失最小化到1％。已经非常出色的YOLO-v2的性能还可以进一步提升表明，随着NVIDIA不断改进TensorRT，可能会有更多的提升空间。”An表示。

本文转自ATYUN人工智能媒体平台，原文链接：研究团队用TensorRT将实时对象检测性能提高6倍

更多推荐

基于NVIDIA StyleGAN建立的网站，可生成极度逼真的假脸

语音助手的风险隐患，以及如何加强其安全性

AI检查动脉钙沉积以评估心脏病风险

精英投资者如何利用人工智能和机器学习获得优势

欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com