How to improve the performance of the object detection example in the Android sample?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- android, tensorflow
- Área
- machine-learning, mobile-dev
Línea de trabajo
Comienza revisando la documentación enlazada de detección de objetos de TensorFlow y el ejemplo de Android lite/examples/object_detection. Perfila la ruta de inferencia existente basada en NNAPI para identificar el coste de procesamiento restante y, a continuación, determina qué cambios compatibles podrían alcanzar el objetivo solicitado de menos de 30 ms. Valida el resultado en el mismo dispositivo y con el mismo modelo.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
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?
- Lenguaje dominante
- Python
- Estrellas
- 77.6k
- Forks
- 44.8k
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de tensorflow/models
-
Verify evals on Papers with CodeAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 72/100
tensorflow/models#13653 ·
-
object_detection_tutorial.ipynb pretrained model "resnet50 imagenet"Quizá libre de nuevo @laxmareddyp la tomó hace 202 días y no hay ningún pull request abierto. Abiertotype:support
tensorflow/models#13634 · 2 comentarios · 1 reacción · 1 asignado ·
-
Tag version compatible with Tensorflow 2.20Quizá libre de nuevo @bharatjetti la tomó hace 276 días y no hay ningún pull request abierto. Abiertomodels:official type:bug
tensorflow/models#13607 · 1 comentario · 1 asignado ·
-
models:research type:feature
Dificultad 5/5 Más de una semana Aptitud para principiantes 10/100
tensorflow/models#13600 ·
-
Installation Issues on Python 3.13Quizá libre de nuevo @bharatjetti la tomó hace 245 días y no hay ningún pull request abierto. Abiertomodels:official type:bug
tensorflow/models#13587 · 9 comentarios · 1 asignado ·
Todos los issues de tensorflow/models
Issues similares
-
cli good first issue help wanted python up-for-grabs
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
andrewsiah/agentswarm-data-tasks#36 ·
Los mantenedores suelen responder en 1 día
-
bug drawing-tools
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
cofade/open-garden-planner#827 ·
Los mantenedores suelen responder en 1 día
-
Methodology pageAbiertodocumentation site texts
Dificultad 2/5 1-3 horas Aptitud para principiantes 67/100
Krasnopjorovs/temet#66 ·
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 1-3 horas Aptitud para principiantes 76/100
Los mantenedores suelen responder en 1 día