目标检测AI模型web接口
django opencv onnx tensorrt onnxruntie paddlepaddle
将yolov4、yolov5模型转为onnx模型使用opencv、onnxruntime部署。
将onnx模型转换为tensorrt模型，使用tensorrt进行部署。
使用paddlepaddle部署百度模型。
使用cuda实现warpaffine对图像进行letterbox预处理，加快预处理速度。
使用cuda实现yolov5 nms后处理，加快后处理速度。
使用C++编写多线程推理程序，并使用pybind11封装成python可调用的so包
使用django编写web接口，gunicorn运行服务。
视频识别
openCV deepstream redis cuda
使用deepstream加载yolov4模型，修改deepstream提供的demo，提供识别rtsp/rtmp视频流。
使用nvcuvid+ffmpeg对视频进行解帧，采用opencv、tensorrt进行模型识别。开启线程池将模型识别结果通过
http接口传输。
Seetaface6人脸识别
OpenCV Seetaface6 Grpc
重新封装seetaface6的C++接口，采用python进行调用，使用django封装成web服务。
采用protobuf格式作为中间数据传输，减少传输的数据量，提高网络IO。
使用C++ 的grpc重新封装成服务端，使用python编写客户端，可提供grpc调用同步接口。
rknn、jetson边缘设备识别
opencv rknn onnx tensorrt
将pytorch模型转化为onnx模型，对onnx模型进行裁剪，删除模型中的后处理节点，在cpu中实现。并将模型运行
在rknn3568开发板上。
在jetson系列开发板上将模型转化为tensorrt模型，并将模型运行在jetson开发板上。