Tensorflow yolov3 Intel Realsense D435 识别时间测试
生活随笔
收集整理的這篇文章主要介紹了
Tensorflow yolov3 Intel Realsense D435 识别时间测试
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
CPU:i75820k
GPU:GTX1080 Ti
內存:32G
測試1:兩攝像頭并發
耗時:0.1476612091064453秒 耗時:0.18199372291564941秒 耗時:0.1408390998840332秒 耗時:0.15466547012329102秒 耗時:0.15588021278381348秒 耗時:0.13757801055908203秒 耗時:0.1392810344696045秒 耗時:0.15086793899536133秒 耗時:0.1691908836364746秒 耗時:0.16263818740844727秒 耗時:0.16164255142211914秒 耗時:0.16723942756652832秒 耗時:0.17163991928100586秒 耗時:0.14313745498657227秒 耗時:0.1315910816192627秒 耗時:0.14537835121154785秒 識別出目標:object 中心點像素坐標:(144, 386) 實際坐標(mm):(-189,-153) 深度(mm):629 耗時:0.15918755531311035秒 識別出目標:object 中心點像素坐標:(180, 430) 實際坐標(mm):(-154,-200) 深度(mm):637 耗時:0.14932537078857422秒 識別出目標:object 中心點像素坐標:(204, 452) 實際坐標(mm):(-132,-227) 深度(mm):649 耗時:0.16291379928588867秒 識別出目標:object 中心點像素坐標:(161, 285) 實際坐標(mm):(-246,-72) 深度(mm):902 耗時:0.161301851272583秒 識別出目標:object 中心點像素坐標:(164, 360) 實際坐標(mm):(-206,-155) 深度(mm):772 耗時:0.15513253211975098秒 識別出目標:object 中心點像素坐標:(314, 358) 實際坐標(mm):(-0,-0) 深度(mm):0 耗時:0.17418885231018066秒 耗時:0.14577078819274902秒 耗時:0.14300227165222168秒 識別出目標:object 中心點像素坐標:(184, 102) 實際坐標(mm):(-0,0) 深度(mm):0 耗時:0.1386270523071289秒 耗時:0.17438721656799316秒 識別出目標:object 中心點像素坐標:(176, 228) 實際坐標(mm):(-148,7) 深度(mm):597 識別出目標:object 中心點像素坐標:(326, 96) 實際坐標(mm):(-3,135) 深度(mm):598 識別出目標:object 中心點像素坐標:(556, 289) 實際坐標(mm):(154,-36) 深度(mm):420 識別出目標:object 中心點像素坐標:(144, 82) 實際坐標(mm):(-216,179) 深度(mm):720測試2:單攝像頭
耗時:1575357345.1186445秒 耗時:2.770583391189575秒 耗時:0.06978869438171387秒 耗時:0.06784534454345703秒 耗時:0.08172225952148438秒 耗時:0.065093994140625秒 耗時:0.06818556785583496秒 耗時:0.0635840892791748秒 耗時:0.07923078536987305秒 耗時:0.07038187980651855秒 耗時:0.08802652359008789秒 耗時:0.09339642524719238秒 耗時:0.0735316276550293秒 耗時:0.08741474151611328秒 耗時:0.0949549674987793秒 耗時:0.07268428802490234秒 耗時:0.0650174617767334秒 耗時:0.06364703178405762秒 耗時:0.06748008728027344秒 耗時:0.06401586532592773秒 耗時:0.07677197456359863秒 耗時:0.07408356666564941秒 耗時:0.09382486343383789秒 耗時:0.07433056831359863秒 耗時:0.07271146774291992秒 耗時:0.07709670066833496秒 耗時:0.08652997016906738秒 耗時:0.08112454414367676秒 耗時:0.08704948425292969秒 耗時:0.07069659233093262秒 耗時:0.08378076553344727秒 耗時:0.07184195518493652秒 耗時:0.08111906051635742秒 耗時:0.09629416465759277秒 耗時:0.08626651763916016秒 耗時:0.09256529808044434秒 耗時:0.07312440872192383秒 耗時:0.06805562973022461秒 耗時:0.07895803451538086秒 識別出目標:object 中心點像素坐標:(594, 48) 實際坐標(mm):(0,0) 深度(mm):0 耗時:0.08252763748168945秒 耗時:0.07159900665283203秒 識別出目標:object 中心點像素坐標:(576, 76) 實際坐標(mm):(165,107) 深度(mm):407 耗時:0.09256792068481445秒 識別出目標:object 中心點像素坐標:(580, 49) 實際坐標(mm):(167,125) 深度(mm):407 耗時:0.0913553237915039秒 識別出目標:object 中心點像素坐標:(580, 66) 實際坐標(mm):(174,119) 深度(mm):424 耗時:0.07567501068115234秒 識別出目標:object 中心點像素坐標:(578, 97) 實際坐標(mm):(174,98) 深度(mm):426 耗時:0.06916999816894531秒 識別出目標:object 中心點像素坐標:(580, 99) 實際坐標(mm):(175,96) 深度(mm):425 耗時:0.08999371528625488秒 耗時:0.11209559440612793秒 識別出目標:object 中心點像素坐標:(584, 95) 實際坐標(mm):(177,99) 深度(mm):424 耗時:0.08803248405456543秒 識別出目標:object 中心點像素坐標:(587, 95) 實際坐標(mm):(179,99) 深度(mm):424 耗時:0.08215022087097168秒 識別出目標:object 中心點像素坐標:(592, 92) 實際坐標(mm):(184,101) 深度(mm):426 耗時:0.09901309013366699秒 識別出目標:object 中心點像素坐標:(594, 96) 實際坐標(mm):(0,0) 深度(mm):0 耗時:0.07229256629943848秒 識別出目標:object 中心點像素坐標:(597, 103) 實際坐標(mm):(0,0) 深度(mm):0 耗時:0.06919622421264648秒 耗時:0.06811118125915527秒 識別出目標:object 中心點像素坐標:(398, 50) 實際坐標(mm):(60,159) 深度(mm):520測試3:兩攝像頭并行
耗時:1575431173.2914188秒 耗時:2.978811264038086秒 識別出目標:object 中心點像素坐標:(90, 442) 實際坐標(mm):(-0,-0) 深度(mm):0 耗時:0.1593484878540039秒 耗時:0.14406132698059082秒 耗時:0.13571715354919434秒 識別出目標:object 中心點像素坐標:(127, 180) 實際坐標(mm):(-0,0) 深度(mm):0 耗時:0.14387893676757812秒 耗時:0.12430644035339355秒 耗時:0.1192467212677002秒 耗時:0.14561939239501953秒 識別出目標:object 中心點像素坐標:(125, 406) 實際坐標(mm):(-0,-0) 深度(mm):0 耗時:0.14160609245300293秒 識別出目標:object 中心點像素坐標:(142, 395) 實際坐標(mm):(-0,-0) 深度(mm):0 耗時:0.13802289962768555秒 耗時:0.11313319206237793秒 耗時:0.11485505104064941秒 識別出目標:object 中心點像素坐標:(222, 170) 實際坐標(mm):(-0,0) 深度(mm):0 耗時:0.11291766166687012秒 耗時:0.13906311988830566秒 識別出目標:object 中心點像素坐標:(596, 329) 實際坐標(mm):(0,-0) 深度(mm):0 耗時:0.13331007957458496秒 耗時:0.12354922294616699秒 耗時:0.11819601058959961秒 識別出目標:object 中心點像素坐標:(90, 129) 實際坐標(mm):(-0,0) 深度(mm):0 耗時:0.11662936210632324秒 識別出目標:object 中心點像素坐標:(107, 124) 實際坐標(mm):(-0,0) 深度(mm):0 耗時:0.1151740550994873秒 耗時:0.11417508125305176秒 耗時:0.1181802749633789秒 識別出目標:object 中心點像素坐標:(504, 329) 實際坐標(mm):(0,-0) 深度(mm):0 耗時:0.11661458015441895秒 耗時:0.11409449577331543秒 耗時:0.1428077220916748秒貌似時間要比兩攝像頭并發要少一點,猜測是否耗時較多的還是utils.draw_bbox函數?
但是網上說python 多線程是假的,這個并行并不是真的并行。
總結
以上是生活随笔為你收集整理的Tensorflow yolov3 Intel Realsense D435 识别时间测试的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Intel Realsense D435
- 下一篇: 线程的创建开销大吗?线程创建开销包括哪些