笔者花费几个晚上,对深度学习的检测-推理优化-跟踪进行了梳理,形成了工程化代码。
*★,°*:.☆( ̄▽ ̄)/$:*.°★* 。先来看一下效果!
该代码的特点:
-
【全部采用C++】:方便工程化部署,目前网上的资源还基本集中在python实现,笔者一步到位,直接整合出C++代码;
-
【最新的Yolov5】:笔者测试发现,yolov5较yolov3在工程应用上确实有显著提升;
-
【TRT推理加速】:在yolov5的基础上,笔者进一步探索了trt的推理加速。通过trt技术的应用,将检测的速度再次提升了一个台阶;
-
【真DeepSort跟踪】:包含256d深度特征的DeepSort,可以有效解决ID Switch的问题。
-
【工程化】:涉及到的算法打包成了库,方便使用;
-
【原理讲解清晰】:笔者发现,虽然DeepSort早在2017年就推出了,但是能把其中原理讲解的深入浅出文章寥寥无几。笔者已经代码层面上进行就简明的分析。