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:16