0. 목표

• 30fps 이상이 되면 참 좋겠다.

1. Football AI Tutorial 접근 방식

• http://openaccess.thecvf.com/content/ICCV2023/papers/Zhai_Sigmoid_Loss_for_Language_Image_Pre-Training_ICCV_2023_paper.pdf
• realtime application에 적합
• 
• 골키퍼는, 각 팀의 평균위치와 가까운 팀으로 배정함

1.1. 방법론 분석

• 30초 데이터를 1초에 1개씩 -> 30 프레임으로 + 상체 crop 하니 -> 쓸만한 성능 나옴
• 문제점
  • 너무 느림

2. 내 접근 방식

• clip(siglip , mobile clip) 등을 text 유사도와 비교 (빨강, 노랑, 하양 팀)

2.1. 성능

• fps 달성 속도: 9.53 fps

2.2. NVIDIA TensorRT?

• NVIDIA TensorRT:
  • 모델을 ONNX 형식으로 변환한 후 TensorRT를 사용하여 GPU에서 양자화된 추론을 수행할 수 있습니다.
  • TensorRT는 NVIDIA GPU에 최적화되어 있으며, INT8 양자화를 지원합니다.
• 방법:
  • PyTorch 모델을 ONNX로 내보냅니다.
  • TensorRT를 사용하여 INT8 엔진을 빌드합니다.
  • TensorRT API를 통해 추론을 수행합니다.
• 단점:
  • TensorRT 사용에는 추가적인 학습 곡선이 필요하며, 개발 환경 설정이 복잡할 수 있습니다.
• https://thecho7.tistory.com/entry/PyTorch-20-vs-ONNX-vs-TensorRT-%EB%B9%84%EA%B5%90
• https://jaehoon-daddy.tistory.com/117
• https://jaehoon-daddy.tistory.com/116