图像在4096*3000时候cpu下内存占用率特别大（matchthresh=0.9），将近16g，而且cpu下onnxruntime有点慢， about superpoint-lightglue-image-stiching

[AIDajiangtang]

如果想减少内存占用率，可以考虑下面几个方面：
1.缩小图像，最直接，简单，但可能影响结果。
2.去掉分数低的特征点，supepoint的输出为 "keypoints","scores","descriptors"，设置阈值，去掉scores低的特征点。
3.对模型进行压缩，剪枝，量化，有技术门槛，且可能影响结果。
4.通过设置合理的ONNX推理引擎参数进行内存优化。
例如，disablecpumemarena是一个ONNX Runtime的会话选项参数，用于设置是否禁用CPU内存竞技场。如果为真，会话将使用系统的默认内存分配器，而不是自定义的内存分配器，这可能会导致内存碎片和性能下降。一般情况下，不建议禁用CPU内存竞技场，除非你有特殊的需求或遇到了一些问题。

5.采用GPU进行推理。

[dugushiyu]

设置sessionoptions disablecpumemarena降低
如何设置点的个数？

[AIDajiangtang]

6.及时释放内存，比如，superpoint检测完特征点，只保留特征点结果就行了，图像内存等就可以释放了

[dugushiyu]

非常感谢您的回复。大牛什么时候出Tensorrt？期待
github上我找一个基于tensorRt的，但存在大量的vector计算之类的，相对慢，我修改成mat计算方式，现在1027*768图像，检测+配准 （不包括反序列化时间）约100ms以内，感觉还有提升空间。float16的。

[AIDajiangtang]

我电脑GPU不支持TensorRT，所以没有升级TensorRT推理计划。
我现在用的是ONNXRuntime，你可以尝试在此基础上使用TensorRT加速。
https://onnxruntime.ai/docs/execution-providers/TensorRT-ExecutionProvider.html

另外，虽然GPU能够通过并行计算加速推理，但CPU与GPU之间通信的也存在开销，但我没尝试过，所以不确定是否能在100ms以内完成。