tkDNN 2차원의 물체 검출 프레임워크를 3차원 대응으로 해 보았다 지금까지 물체 검출이라고 하면 RGB 화상을 입력으로 한 수법이 주류였습니다. 하지만, realsense 등의 depth 데이터도 취할 수 있는 디바이스가 비교적 저렴하게 입수하게 되거나, depth estimation(RGB 화상으로부터 깊이 정보를 예측)의 정밀도가 올라온 등의 요인에 의해, 3D object detection 연구가 활발해지고 있습니다. 이번에는 기존의 2차원의 물체 검... tkDNNObjectDetectionDeepLearningDepthEstimation 빠른 추론 라이브러리 tkDNN에서 자체 모델로 이동하는 방법 yolov4의 추론을 고속화시킨 추론 라이브러리를 사용할 기회가 있었습니다만, 스스로 학습시킨 모델을 움직일 때에 조금 막혔으므로, 순서를 공유합니다. 은 yolo darknet을 가속화할 수 있는 추론 라이브러리입니다. 학습된 v3 또는 v4의 weights 파일과 config 파일, 클래스명의 파일을 준비하는 것만으로 사용할 수 있습니다. jetson이라면 대략 2배~3배 고속화할 수 있... TensorRTtkDNN가속화DeepLearning
2차원의 물체 검출 프레임워크를 3차원 대응으로 해 보았다 지금까지 물체 검출이라고 하면 RGB 화상을 입력으로 한 수법이 주류였습니다. 하지만, realsense 등의 depth 데이터도 취할 수 있는 디바이스가 비교적 저렴하게 입수하게 되거나, depth estimation(RGB 화상으로부터 깊이 정보를 예측)의 정밀도가 올라온 등의 요인에 의해, 3D object detection 연구가 활발해지고 있습니다. 이번에는 기존의 2차원의 물체 검... tkDNNObjectDetectionDeepLearningDepthEstimation 빠른 추론 라이브러리 tkDNN에서 자체 모델로 이동하는 방법 yolov4의 추론을 고속화시킨 추론 라이브러리를 사용할 기회가 있었습니다만, 스스로 학습시킨 모델을 움직일 때에 조금 막혔으므로, 순서를 공유합니다. 은 yolo darknet을 가속화할 수 있는 추론 라이브러리입니다. 학습된 v3 또는 v4의 weights 파일과 config 파일, 클래스명의 파일을 준비하는 것만으로 사용할 수 있습니다. jetson이라면 대략 2배~3배 고속화할 수 있... TensorRTtkDNN가속화DeepLearning