如何在使用更快的 rcnn/ssd 模型的同时加快对象检测答案

【问题标题】：How to speed up object detection while using faster rcnn/ ssd models如何在使用更快的 rcnn/ssd 模型的同时加快对象检测
【发布时间】：2019-08-01 18:24:09
【问题描述】：

我有 50 个视频，每个视频时长 90 分钟。现在我正在运行 SSD 进行对象检测，并将带有对象的帧及其时间戳保存在 csv 文件中。但问题是每个视频仍然需要整整 90 分钟。我的问题：- 有什么方法可以让我以某种方式快速推进 SSD 对象检测模型，以便每个视频可以在 10/20 分钟内完成？

【问题讨论】：

如果您正在寻找实时检测，您可以使用 Yolo。同时，也许您可以在每 10 帧执行检测，并对其余帧使用一些跟踪算法（例如 BACF）。
如何仅以 10fps 进行检测？
当您从视频中提取帧并将它们馈送到 SSD 时，您可以只从 10 帧中取出一帧（将每 10 帧馈送到 SSD）并使用跟踪之间的 9 帧。
从你的陈述来看，是不是你处理视频的方式有问题？就像您无论如何都以 30 FPS 的速度播放视频，并且只在播放时处理帧。

标签： machine-learning deep-learning video-processing object-detection

【解决方案1】：

每一帧对你来说真的很重要吗？如果不是，只需每 x 帧运行一次检测，而不是每帧运行一次。例如使用：

if (frame%2 == 0)
{
run detection
}

只取每两帧（偶数帧）

【讨论】：

但这仍然需要整个视频长度