Использование высокопроизводительной платформы глубокого обучения для ускорения обнаружения объектов

Abstract

Классификация объектов с использованием нейронных сетей крайне актуальна на сегодняшний день. YOLO – это один из самых используемых фреймворков для классификации объектов. Он имеет достаточно высокую точность, но скорость обработки недостаточно высока, особенно в условиях ограниченной производительности вычислителя. В настоящей статье исследуется применение фреймворка NVIDIA TensorRT для оптимизации работы YOLO с целью увеличения скорости обработки изображений. Сохраняя эффективность и качество работы нейронной сети, TensorRT позволяет увеличить скорость обработки, используя оптимизацию архитектуры и вычислений на видеокарте.