【文件属性】：
文件名称：JejuNet：使用DeepLab V3 +，MobileNet V2在移动设备上进行实时视频分段。 在济州岛的项目中工作
文件大小：11.58MB
文件格式：ZIP
更新时间：2021-02-06 07:34:34
tensorflow segmentation deeplearning tf-lite-on-android TensorflowJava
济州网
移动设备上的实时视频分割
关键词
视频分段，移动，Tensorflow Lite
讲解
基准测试：GPU上的Tensorflow Lite
媒体上的帖子
详细结果
介绍
在移动设备上实时运行视觉任务，例如对象检测，分段。 我们的目标是在Google Pixel 2上以至少24 fps的速度实时实现视频分割。我们使用专门针对移动/嵌入式设备的高效深度学习网络，并利用连续帧之间的数据冗余来减少难以承受的计算成本。 此外，可以使用tf-lite提供的8位量化来优化网络。
示例：Reai-Time视频分割（来源：Google AI）
建筑
视频分割
压缩的 [1] 骨干网： [2]
优化
【文件预览】：
JejuNet-master
----docs()
--------low-bits-quantization.png(266KB)
--------20180726-current-results-deeplabv3_on_tf-lite.gif(898KB)
--------20180711-current-results-deeplabv3_on_tf-lite.png(332KB)
--------trade-off-between-speed-fps-and-accuracy-miou.png(122KB)
--------real_time_video_segmentation_google_ai.gif(5.27MB)
--------20180718-current-results-deeplabv3_on_tf-lite.gif(846KB)
----android()
--------gradlew.bat(2KB)
--------gradlew(5KB)
--------BUILD(2KB)
--------tensorflowlite()
--------app()
--------gradle()
--------.idea()
--------.gitignore(573B)
--------settings.gradle(34B)
--------build.gradle(532B)
----LICENSE(1KB)
----README.md(4KB)