Python Tensorflow目标检测慢视频

我根据我的自定义数据集（与足球相关）训练了一个tensorflow模型

我在图像上测试了该模型，结果与预期一样，但视频性能非常低。我从360p上下载了一段视频（文件大小为9MB），视频性能非常低，约为5-9fps

代码如下

#必要的导入
导入操作系统
导入tensorflow作为tf
从object\u detection.utils导入标签\u映射\u util
从object_detection.utils导入可视化_utils作为viz_utils
从object_detection.builders导入模型_builder
从object_detection.utils导入配置_util
#加载管道配置并构建检测模型
configs=config_util.get_configs_from_pipeline_文件（'Tensorflow/workspace/models/my_effi_d2/pipeline.config'））
检测\u model=model\u builder.build（model\u config=configs['model']，is\u training=False）
#恢复检查点
ckpt=tf.compat.v2.train.Checkpoint（模型=检测\模型）
ckpt.restore（os.path.join（'Tensorflow/workspace/models/my_effi_d2/'，'ckpt-4'））。expect\u partial（）
@功能
def检测_fn（图像）：
图像，形状=检测\模型。预处理（图像）
预测（图像、形状）
检测=检测模型。后处理（预测、预测、形状）
返回检测
category\u index=label\u map\u util.create\u category\u index\u from\u labelmap（'Tensorflow/workspace/annotations/label\u map.pbtxt'））
video=cv2.VideoCapture（'target.mp4'）
大小=（640480）
尽管如此：
ret，frame=video.read（）
图像\u np\u展开=np。展开\u dims（帧，轴=0）
#图像\u np=np.数组（帧）
#输入\u tensor=tf。将\u转换为\u tensor（np.展开\u dims（图像\u np，0），数据类型=tf.float32）
检测=检测（输入张量）
num\u detections=int（detections.pop（'num\u detections'））
检测={key:value[0，：num\u检测].numpy（）
对于键，为detections.items（）中的值
检测['num_检测']=num_检测
#检测类应为int。
检测['detection\u classes']=检测['detection\u classes'].astype（np.int64）
标签标识偏移量=1
带有检测的图像\u np\u=图像\u np.copy（）
即，在图像数组上可视化方框和标签(
图像\u np\u和\u检测，
检测[“检测盒”]，
检测['detection_classes']+标签id_偏移，
检测[“检测分数”]，
类别索引，
使用标准化坐标=真，
最大盒数至绘图=2，
最小得分阈值=.30，
不可知论（模式=假）
cv2.imshow（'object detection'，cv2.resize（图像\u np\u带有\u detections，size））
如果cv2.waitKey（10）&0xFF==ord（'q'）：
打破
如果ret==False：
打印（“视频不存在”）
打破
video.release（）

所有路径都是相对于根文件夹的。 无论如何，在检测视频中的物体时，是否有更高的性能

其他信息：

• 没有gpu。我的笔记本电脑是2015年的。我已经在Google colab上训练了这个模型
• Tensorflow 2.4.1和Python 3.6.13（virtualenv）
• 我正在笔记本电脑上本地运行视频测试。tensorflow的所有版本都与google colab的版本匹配

---

以“常见问题”列表结束帖子不是一个好主意；最好直接提供信息，而不是以FAQ形式（编辑）。Ok不知道