python - 类数如何影响 YOLO 网络中的速度 FPS
问题描述
我是计算机视觉和神经网络的新手。我使用 Yolo-tiny 训练了一个网络,使用 COCO 数据集的一个子集,因为我只想用一个类(人)训练我的网络。训练成功,准确度不是很好(我知道 Yolo-tiny 比 YOLOV3 更快但准确度更低),我在视频上得到大约 50-60FPS(cfg 文件中的大小为 416x416),但如果我测试的话 FPS 非常低通过摄像头实时应用(大约 2-3FPS)。通过再次训练具有更多类的网络,这种性能并没有提高。我的问题基本上是,我们选择训练网络的类数量如何影响检测速度/FPS?如果我针对 1 个类或 80 个类训练网络,这是否也会导致速度性能的提高?如果不是,为什么?
解决方案
推荐阅读
- python - django 写入外部设备时权限被拒绝
- spring - 无效的访问令牌 Spring Boot 资源服务器
- amazon-web-services - 在合理的时间内将 2tb(1.5 亿+)个项目从一个 s3 存储桶移动到另一个存储桶
- python-2.7 - 如何创建类型化的空 MapType?
- c# - 无法使用带有 Windows 身份验证的连接字符串连接到 SQL Server
- python - 我无法将我的 perlin 噪声图生成器变成我的游戏的 pygame tilemap
- c - LoadRunner 12.55 连接目标站点失败
- wpf - 当我更新标签的内容时,WPF 应用程序页面没有更新
- node.js - Node JS Promise.all 返回值
- tomcat - Tomcat 安全密钥警告