Cześć, jako że miałem mizerną jakość rozpoznawania obiektów we Frigate na domyślnych ustawieniach to pobawiłem się modelem yolo (yollo11 S i N) i z efektów byłem mega zadowolony. Niemal 100% celność, co przekłada się na notyfikację jak jestem poza domem. Jednak było to obarczone wzrostem obciążenia CPU.
Postanowiłem więc zainwestować w Google Coral TPU. Super, procek nic się nie nudzi i takie tam, ale... masakra z jakością rozpoznawania.
Kot jest psem, kubeł
Postanowiłem więc zainwestować w Google Coral TPU. Super, procek nic się nie nudzi i takie tam, ale... masakra z jakością rozpoznawania.
Kot jest psem, kubeł
@sirgorn: U mnie 4 kamery (czasem 5 kamerka jak wyjeżdżamy dochodzi).
No więc na tę chwilę żadnych błędnych detekcji. Jednak wzrosło również zapotrzebowanie na procek (patrz obrazek). Spróbuję z mniejszym modelem. Dzięki @kwanty
Ale dalej zero pomyłek przy detekcji. Teraz testuję model z 320x320. Bazuję na modelach "EfficientDet-Lite" z https://gweb-coral-full.uc.r.appspot.com/models/object-detection/
Ogólnie jednak wydajność na plus z Coralem, na wykresie poniżej obciążenie do 14/10 z CPU i modelem Yolo11s, potem Coral i domyślny model (ale bardzo mylący się, bez sensu one są) i