SAM C++ TensorRT(实时图像分割)

SPEED SAM C++ TENSORRT

在这里插入图片描述

🌐 1、概述

用于SAM(segment anything model分割一切模型)的TensorRTCUDA优化的高表现C++实现,特别适用于实时图像分割任务。

📢 更新

  • 模型转换:从ONNX模型构建TensorRT引擎以加速推理。
  • 点和边界框分割:通过选定的点或边界框轻松分割图像。
  • FP16精度:在速度与精度之间进行选择,支持FP16和FP32。
  • 动态形状支持:利用优化配置文件高效处理可变输入大小。
  • CUDA优化:利用CUDA进行预处理和有效的内存管理。

📢2、性能

2.1 推理时间

组件 SpeedSAM
图像编码器
参数 5M
速度<
1.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载体验!下载完使用问题请私信沟通。 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于TensorRTC++高性能推理库源码+使用说明(支持RT-DETR,Yolov5、v7、v8、yoloX、OSTrack、LightTrack等) Highlights - 支持全景驾驶感知 YOLOPv2,目标检测 RT-DETR,Yolo 5/X/7/8 ,多目标跟踪 Bytetrack,单目标跟踪 OSTrack、LightTrack; - 预处理和后处理实现CUDA核函数,在 jetson 边缘端也能高性能推理; - 封装Tensor、Infer,实现内存复用、CPU/GPU 内存自动拷贝、引擎上下文管理、输入输出绑定等; - 推理过程实现生产者消费者模型,实现预处理和推理的并行化,进一步提升性能; - 采用 RAII 思想+接口模式封装应用,使用安全、便捷。 Easy Using 本项目代码结构如下:`apps` 文件夹中存放着各个算法的实现代码,其中 `app_xxx.cpp` 是对应 `xxx` 算法的调用demo函数,每个算法彼此之间没有依赖,假如只需要使用yolopv2,可以将此文件夹下的其他算法全部删除,没有影响;`trt_common` 文件夹中包括了常用的cuda_tools,对TensorRT进行Tensor、Infer的封装,生产者消费者模型的封装;`quant-tools` 文件夹中是量化脚本,主要是yolov5/7;`workspace` 文件夹中存放编译好的可执行文件、engine等。 使用哪个算法就在 `main.cpp` 中调用哪个算法的demo函数。 ```bash . ├── apps │   ├── yolo │   └── yolop │   ├── app_yolo.cpp │   ├── app_yolop.cpp │   ├── ... ├── trt_common │   ├── cuda_tools.hpp │   ├── trt_infer.hpp │   ├── trt_tensor.hpp │   └── ... ├── quant-tools │   └── ... ├── workspace │ └── ... ├── CMakeLists.txt └── main.cpp ``` 如果要进行您自己的算法部署,只需要在 `apps` 文件夹中新建您的算法文件夹,模仿其他算法中对 `trt_infer/trt_tensor` 等的使用即可。后续时间空闲较多的情况下会更新较为详细的用法。 更多详见项目说明
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值