comparison of MTCNN on RK3399
- date, 2019-03-08 12:04:23
在RK板上运行mtcnn的方案
1. 运行caffe版本的mtcnn
- 在RK上安装OPENCL的Caffe(环境配置)
- 先装OPENBLAS,后装Caffe
- 中间遇到ViennaCL库没找到,但是安装出错
- 在RK板上运行python版的mtcnn-caffe
- 在RK板上运行C++版的mtcnn-caffe
2. 运行tensorflow-lite版本的mtcnn
- 在RK板上安装tensorflow-lite(环境配置)
- 这一部分的教程较少,安装出错
- 把mtcnn的模型转换成lite模型
- 运行mtcnn
3. 测试mtcnn(tensorflow)在不同机器上的fps
星期五, 08. 三月 2019 11:32上午
test_video : outpy4.avi
image size : 480 x 640
fps | CPU | GPU |
---|---|---|
HP_Zhan(MX150)2G | 5.05 | 12.04 |
JTx2 (Pascal GPU) 8G | 4.00 | 6.23 |
RK3399 (No GPU) | 1.52 | None |
- image size : 216 x 512
fps | CPU | GPU |
---|---|---|
HP_Zhan(MX150)/2G | 10.45 | 22.96 |
JTx2 (Pascal GPU) /8G | 8.64 | 11.89 |
RK3399 (No GPU) | 2.81 | None |
4. 优化mtcnn的思路
reference : MTCNN优化和另类用法
- MTCNN速度的瓶颈
- 图片越大Pnet耗时也就越大。
- 人脸越多Onet和Rnet耗时越大。
- 噪点比较多的夜晚图像会导致Pnet误检测增多。
从input_size入手,缩小input_size可以加快速度,如:480x640 -> 216 x 512,可以提高40%左右的速率
换caffe框架,想办法把RK板上的GPU利用起来实现加速
5. caffe2 VS tensorflow (MTCNN)
- 在HP-Zhan-Tim上跑GPU,每个流程跑3次
Framwork | tensorflow | caffe2 |
---|---|---|
FPS | GPU-1/GPU-2/GPU-3 | GPU-1/GPU-2/GPU-3 |
480x640 | 13.41/13.08/12.75 | 13.69/13.73/13.58 |
216X512 | 22.43/22.62/23.09 | 30.01/29.25/29.82 |
- 本文标题:comparison of MTCNN on RK3399
- 创建时间:2021-03-08 12:04:23
- 本文链接:2021/03/08/ML/comparison-of-MTCNN-on-RK3399/
- 版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
评论