728x90
GPU와 CPU를 사용할 때의 FPS를 측정해보았다.
참고로 GPU를 사용할때는
YOLO_net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
YOLO_net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
위의 두 줄을 추가하면된다. 필자의 경우는 YOLO를 사용해서 YOLO_net이라고 변수를 지정해주었지만 보통 net을 사용한다.
그리고 fps 측정을 위해 추가한 구문은 다음과 같다.
iimport time
start = time.time()
for i in range(100):
YOLO_net.setInput(blob)
detections = YOLO_net.forward(YOLO_net.getUnconnectedOutLayersNames())
end = time.time()
ms_per_image = (end - start) * 1000 / 100
print("Time per inference: %f ms" % (ms_per_image))
print("FPS: ", 1000.0 / ms_per_image)
- GPU사용 시
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
|
import cv2 #영상처리를 하기 위한 라이브러리
import numpy as np #박스를 그리고 좌표를 얻기 위한 라이브러리
import time
# 웹캠 신호 받기
VideoSignal = cv2.VideoCapture(0)
captured_num = 0
text=''
#----------가중치 파일------------------------------------------------------------------------------------------------
YOLO_net = cv2.dnn.readNet('yolov4-tiny-hyeok_last.weights','yolov4-tiny-hyeok.cfg')
classes = []
with open('package.names', "r") as f:
classes = [line.strip() for line in f.readlines()]
layer_names = YOLO_net.getLayerNames()
#output_layers = [layer_names[i - 1] for i in YOLO_net.getUnconnectedOutLayers()]
output_layers = [layer_names[i[0] - 1] for i in YOLO_net.getUnconnectedOutLayers()]
# GPU 사용
YOLO_net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
YOLO_net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
#----------가중치 파일------------------------------------------------------------------------------------------------
while True:
# 웹캠 프레임
ret, frame = VideoSignal.read()
frame = cv2.resize(frame,(416,416))
h, w, c = frame.shape
text=''
# YOLO 입력
blob = cv2.dnn.blobFromImage(frame, 0.00392, (416, 416), (0, 0, 0),True, crop=False)
YOLO_net.setInput(blob)
outs = YOLO_net.forward(output_layers)
class_ids = []
confidences = []
boxes = []
for out in outs:
for detection in out:
scores = detection[5:]
class_id = np.argmax(scores)
confidence = scores[class_id]
if confidence > 0.5:
# Object detected
center_x = int(detection[0] * w)
center_y = int(detection[1] * h)
dw = int((detection[2]) * w)
dh = int((detection[3]) * h)
# Rectangle coordinate
x = int(center_x - dw / 2)
y = int(center_y - dh / 2)
boxes.append([x, y, dw, dh])
confidences.append(float(confidence))
class_ids.append(class_id)
indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.8, 0.4)
for i in range(len(boxes)):
if i in indexes:
x, y, w, h = boxes[i]
label = str(classes[class_ids[i]])
score = confidences[i]
# 경계상자와 클래스 정보 이미지에 입력
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 1)
#print(int((x+x+w)/2),int((y+y+h)/2))
start = time.time()
for i in range(100):
YOLO_net.setInput(blob)
detections = YOLO_net.forward(YOLO_net.getUnconnectedOutLayersNames())
end = time.time()
ms_per_image = (end - start) * 1000 / 100
print("Time per inference: %f ms" % (ms_per_image))
print("FPS: ", 1000.0 / ms_per_image)
cv2.imshow("YOLOv4", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
VideoSignal.release()
|
cs |
FPS기 240이 나온다.
-CPU사용 시
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
|
import cv2 #영상처리를 하기 위한 라이브러리
import numpy as np #박스를 그리고 좌표를 얻기 위한 라이브러리
import time
# 웹캠 신호 받기
VideoSignal = cv2.VideoCapture(0)
captured_num = 0
text=''
#----------가중치 파일------------------------------------------------------------------------------------------------
YOLO_net = cv2.dnn.readNet('yolov4-tiny-hyeok_last.weights','yolov4-tiny-hyeok.cfg')
classes = []
with open('package.names', "r") as f:
classes = [line.strip() for line in f.readlines()]
layer_names = YOLO_net.getLayerNames()
#output_layers = [layer_names[i - 1] for i in YOLO_net.getUnconnectedOutLayers()]
output_layers = [layer_names[i[0] - 1] for i in YOLO_net.getUnconnectedOutLayers()]
# GPU 사용
#YOLO_net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
#YOLO_net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
#----------가중치 파일------------------------------------------------------------------------------------------------
while True:
# 웹캠 프레임
ret, frame = VideoSignal.read()
frame = cv2.resize(frame,(416,416))
h, w, c = frame.shape
text=''
# YOLO 입력
blob = cv2.dnn.blobFromImage(frame, 0.00392, (416, 416), (0, 0, 0),True, crop=False)
YOLO_net.setInput(blob)
outs = YOLO_net.forward(output_layers)
class_ids = []
confidences = []
boxes = []
for out in outs:
for detection in out:
scores = detection[5:]
class_id = np.argmax(scores)
confidence = scores[class_id]
if confidence > 0.5:
# Object detected
center_x = int(detection[0] * w)
center_y = int(detection[1] * h)
dw = int((detection[2]) * w)
dh = int((detection[3]) * h)
# Rectangle coordinate
x = int(center_x - dw / 2)
y = int(center_y - dh / 2)
boxes.append([x, y, dw, dh])
confidences.append(float(confidence))
class_ids.append(class_id)
indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.8, 0.4)
for i in range(len(boxes)):
if i in indexes:
x, y, w, h = boxes[i]
label = str(classes[class_ids[i]])
score = confidences[i]
# 경계상자와 클래스 정보 이미지에 입력
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 1)
#print(int((x+x+w)/2),int((y+y+h)/2))
start = time.time()
for i in range(100):
YOLO_net.setInput(blob)
detections = YOLO_net.forward(YOLO_net.getUnconnectedOutLayersNames())
end = time.time()
ms_per_image = (end - start) * 1000 / 100
print("Time per inference: %f ms" % (ms_per_image))
print("FPS: ", 1000.0 / ms_per_image)
cv2.imshow("YOLOv4", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
VideoSignal.release()
|
cs |
FPS가 11정도가 나온다.
참고 블로그
728x90
'STUDY > YOLO' 카테고리의 다른 글
| 우분투 그래픽드라이버 cuda cudnn (0) | 2022.05.28 |
|---|---|
| 우분투 yolo 환경구축 (0) | 2022.05.28 |
| opencv with CUDA 정리 (0) | 2022.05.25 |
| opencv gpu (3) (0) | 2022.05.24 |
| opencv gpu (2) (0) | 2022.05.24 |
댓글