号外！Yolov5-TensorRT-DeepSort 10倍加速！

笔者花费几个晚上，对深度学习的检测-推理优化-跟踪进行了梳理，形成了工程化代码。

*★,°*:.☆(￣▽￣)/$:*.°★* 。先来看一下效果！

哔哩哔哩动画视频一键直达

该代码的特点：

1. 【全部采用C++】：方便工程化部署，目前网上的资源还基本集中在python实现，笔者一步到位，直接整合出C++代码；

    

2. 【最新的Yolov5】：笔者测试发现，yolov5较yolov3在工程应用上确实有显著提升；

    

3. 【TRT推理加速】：在yolov5的基础上，笔者进一步探索了trt的推理加速。通过trt技术的应用，将检测的速度再次提升了一个台阶；

    

4. 【真DeepSort跟踪】：包含256d深度特征的DeepSort，可以有效解决ID Switch的问题。

    

5. 【工程化】：涉及到的算法打包成了库，方便使用；

    

6. 【原理讲解清晰】：笔者发现，虽然DeepSort早在2017年就推出了，但是能把其中原理讲解的深入浅出文章寥寥无几。笔者已经代码层面上进行就简明的分析。