FSRE-Depthお試し中🦔
味見👀
— 高橋 かずひと@駆け出し何でも屋🦔 (@KzhtTkhs) 2022年5月8日
どうじゃろう。これはCPU推論(Core i7-8750H)ですがなかなかの速度と精度🤔？ https://t.co/YPf0xE6roi pic.twitter.com/JLQBdNJ2p1
デモコードはPINTOさんのmodel zooにコミットしています。
Raspberry Pi 4向けのPerson Tracking(CPU推論4スレッドで85~120ms)
トラッキング(motpy)付けると流石に重くなる、、、👀
ギリギリ10fps前後ですね。
「物体検出オンリーですか？」と聞かれたのでトラッキングも付けてみた👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月28日
Raspberry Pi4 CPUオンリーのPerson Trackingはギリギリ10fps前後🦔 https://t.co/TNrgSwJIi0 pic.twitter.com/AgRdNyk6JB
ソースコードはこちら👻
Raspberry Pi 4向けのPerson Detection(CPU推論4スレッドで45~60ms)
Raspberry Pi 4向けの人検出モデルです。
ノートPCとかでも動きますが、ノートPCで動かすくらいならYOLOXとか使ったほうが精度と速度のバランス良いと思います🦔
Raspberry Pi4 CPUオンリーのPerson Detectionつづき👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月27日
PINTOさんのTensorflowLite-bin導入するだけで10msほど早くなるの、もはやチートなんだよなー、、、🤔 pic.twitter.com/s3ctBKhBOv
Raspberry Pi4 CPUオンリーで約20fps👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月27日
検出もこれくらい出来るなら使い道はありそう🤔 https://t.co/TNrgSwJIi0 pic.twitter.com/yNCv3iTsEU
ソースコードとモデルは以下にコミットしています👻
暗所ノイズ除去 比較(231、241、243、285、SCI)
このシリーズの続きです👀
正直甲乙つけがたい、、、🦔
LLIE系のサンプルがたまってきたので、比較動画追加🦔
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月23日
正直、処理速度とかのトレードオフ考えると甲乙つけ難いものが増えてきた、、、👀 https://t.co/HUs2gEGUvk pic.twitter.com/nEbZnQzqPp
難しい船のやつ👀 https://t.co/XCEtksdPGB pic.twitter.com/99CiGgHLM4
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月23日
あとは明るい場所に対してLLIEかけたやつ🦔 https://t.co/VBiAt1QD9V pic.twitter.com/9t1PwrsgFV
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月23日
暗所ノイズ除去（SCI）のONNX変換お試し👀
SCIという軽量のLLIEモデルをONNXに変換して味見しました🦔
PINTOさんが呟いてたSCI、適当サイズ(512x512)のCPU推論(Core i7-8750H)で35ms前後👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月2日
処理速度の割には見た目が結構良いんじゃないのでしょうか🤔
若干明かりに過敏ですけども👻 https://t.co/7zoSWlgx3T pic.twitter.com/kXpRTrFJfK
オリジナルリポジトリはこちら。
作成したコードはこちらにコミットしています👻
YOLOXでDeep写輪眼
Deep写輪眼第3世代です👀
データセットを約3500枚追加し1万枚の大台に乗りました。
そして、YOLOX-Nanoを採用して大幅にスピードアップしています🦔
Deep写輪眼v3のモデルトレーニングを行っています👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月16日
これはトレーニング途中の味見動画です。
第二世代に比べてFPSが早くなっています🦔
第一世代：MobileNetV2 SSDLite、学習データ約3000枚
第二世代：EfficientDet-D0、学習データ約6500枚
第三世代：YOLOX-Nano、学習データ約10000枚 pic.twitter.com/ZHFZUs9iZs
更新したリポジトリはこちら。
PINTO_model_zoo：暗所ノイズ除去（285_Decoupled-Low-light-Image-Enhancement）Pythonデモ追加
Decoupled-Low-light-Image-Enhancement味見中です👀
かなり色が復元(捏造？)されていますね。
そして以下のツイートは少々間違いがあり、GPU推論です。
CPU推論だと200ms前後です🦔
Decoupled Low-light Image Enhancement味見中👀
— 高橋 かずひと@プログラマー定年🦔 (@KzhtTkhs) 2022年4月16日
中々早くて明るい🦔
※180x320のCPU推論(Core i7-8750H) https://t.co/iRT9g1mGGm pic.twitter.com/ULxis6OqWW
TensorRTだと結構早いぽいです。
暗闇除去 Decoupled-Low-light-Image-Enhancement 360x640 をTensorRT化したら 12ms/推論 だった。 pic.twitter.com/kAiC6uiDN0
— Super PINTO (@PINTO03091) 2022年4月16日
デモコードは以下にコミットしています。
