时间戳

首页 > 解决方案 > 对于 360p 和 1080p，更快的 R-CNN（基于冻结推理图 inception v2）的执行时间相同。这怎么可能？

object-detection - 对于 360p 和 1080p，更快的 R-CNN（基于冻结推理图 inception v2）的执行时间相同。这怎么可能？

问题描述

我刚刚使用 Jetpack 4.2 和 tensorflow 1.14 版在 Jetson TX2 上实现了 Faster R-CNN（基于冻结推理图 inception v2）对象检测模型。该模型获得了分辨率为 1080p 和更高版本为 360p 的输入帧。令人惊讶的是，执行时间没有变化。这可能是什么原因？

标签： object-detectionresolutionframe-rateinferencefaster-rcnn

解决方案

Faster R-CNN 由 3 个主要模块组成：

  1. 基本特征网络（从输入图像/帧生成特征图），

  2. 区域提议网络（生成/提议/选择感兴趣的区域以从锚点生成最终的边界框）和

  3. 检测网络（RPN）（将区域分类为背景或前景并细化边界框）。

Faster R-CNN 的大部分复杂性在于 RPN 和检测网络，并且 RPN 具有固定的输入形状。因此，模型的执行时间不会受到显着影响。

推荐阅读