How to improve the performance of the object detection example in the Android sample?
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 25/100
- Issue-Typ
- Feature
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- android, tensorflow
- Bereich
- machine-learning, mobile-dev
Rechercherichtung
Beginne mit der Durchsicht der verlinkten Dokumentation zur TensorFlow-Objekterkennung und des Android-Beispiels unter lite/examples/object_detection. Profiliere den bestehenden, auf NNAPI basierenden Inferenzpfad, um die verbleibenden Verarbeitungskosten zu ermitteln, und bestimme anschließend, welche unterstützten Änderungen das angeforderte Ziel von unter 30 ms erreichen könnten. Validiere das Ergebnis anschließend auf demselben Gerät und mit demselben Modell.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
I trained ssd_mobilenet_v2 object detection model by https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_on_mobile_tf2.md and https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2_detection_zoo.md
and convert to tflite to run on android app
https://github.com/tensorflow/examples/tree/master/lite/examples/object_detection.
The object detection processing time is approximately 30ms above.
I have used nnapi to increase speed, I hope to achieve an object detection time of less than 30ms . What methods can I use to further improve the detection speed?
- Vorherrschende Sprache
- Python
- Sterne
- 77.6k
- Forks
- 44.8k
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Hat eine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus tensorflow/models
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 72/100
tensorflow/models#13653 ·
-
object_detection_tutorial.ipynb pretrained model "resnet50 imagenet"Evtl. wieder frei @laxmareddyp hat das vor 204 Tagen übernommen, und es ist kein Pull Request offen. Offentype:support
tensorflow/models#13634 · 2 Kommentare · 1 Reaktion · 1 zugewiesene Person ·
-
Tag version compatible with Tensorflow 2.20Evtl. wieder frei @bharatjetti hat das vor 278 Tagen übernommen, und es ist kein Pull Request offen. Offenmodels:official type:bug
tensorflow/models#13607 · 1 Kommentar · 1 zugewiesene Person ·
-
models:research type:feature
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 10/100
tensorflow/models#13600 ·
-
Installation Issues on Python 3.13Evtl. wieder frei @bharatjetti hat das vor 247 Tagen übernommen, und es ist kein Pull Request offen. Offenmodels:official type:bug
tensorflow/models#13587 · 9 Kommentare · 1 zugewiesene Person ·
Alle Issues in tensorflow/models
Ähnliche Issues
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
django-cms/djangocms-frontend#413 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
NanmiCoder/MediaCrawler#1004 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
facebookresearch/xformers#1417 ·
-
question
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 68/100
vllm-project/vime#524 ·
Maintainer antworten meist innerhalb von 7 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 73/100
FinanceFlash/unvibecode#675 ·
Maintainer antworten meist innerhalb von 1 Tag