top

知識分享

應用TensorRT進行自動光學檢測的深度學習模型效能比較

建立日期：2019/10/31
  • 作者： 台大資工系/鄭育誠、朱學亭
  • 出處： 2019 AOI論壇與展覽
  • 內容： TensorRT平台是設計來提供高性能深度學習推理。它包括深度學習推理優化器和運行時，可為深度學習推理應用程序提供低延遲和高吞吐量。自動光學檢測（AOI）可受益於應用TensorRT來降低成本並易於與現有檢測設備集成。

    在本文中，我們使用TensorRT平台執行卷積神經網絡（CNN）進行視覺表面檢查的解決方案。我們提供了基於ImageNet的六種CNN預訓練模型選擇的見解。因此，我們使用的CNN模型的分類精度均達到平均95.05％，最好的模型InspectionV3達到99.62％，而第二個更好的模型，MobileNet達到98.59％。我們優化最佳模型選擇和推理，使用TensorRT實現1到5倍的性能提升，最好的模型InspectionV3達到99.27％，而第二個更好的模型，MobileNet達到98.58％。
  • 檔案下載：全文下載
  • 下載次數：98
回上頁