OpenVino入门


他人博客参考:
1. https://yuki-ho.blog.csdn.net/article/details/104176481
2. https://blog.csdn.net/u011385476/article/details/104769250/
3.这个博客很推荐: https://www.cnblogs.com/AdaminXie/p/12612695.html

一.下载安装

1.1下载

OpenVino官网下载,会让你注册
在这里插入图片描述

1.2 安装

关于安装,其实可以直接看官方入门文档,无需看我的博客对安装的讲诉,如果你和我一样是在windows下安装openvino,可以继续往下看

1.2.1解压安装程序

打开exe会解压安装程序,安装程序放哪儿都行
在这里插入图片描述

1.2.2 按部就班安装

开始安装,遇到这一步让你选择路径的时候,虽然很能理解你想放D盘的心情,但是为了不给自己添堵,还是放C盘吧,别动它的路径
在这里插入图片描述
当你看到下面这一幕,是缺少依赖项,缺少依赖项暂时不会影响我们的安装
在这里插入图片描述
其余部分,可以一路next,直到finish或者让你重新启动(我选择了立马重新启动,至于这个操作是否必要,可以试一试,我不知道)

1.2.3 安装依赖项

安装依赖项:
1.带有Visual Studio 的Microsoft Visual Studio 2019
或带有MSBuild的2017 CMake 3.10或更高版本的64位
注意:如果要使用Microsoft Visual Studio 2019,则需要安装CMake 3.14。

2.Python的3.6 - 3.8 64位
重要说明:作为此安装的一部分,请确保单击选项以将应用程序添加到PATH环境变量中。

CMake 可以看他人博客进行安装,python及其他环境变量可以使用anaconda虚拟环境

1.2.4 设置环境变量

我使用的是anaconda虚拟环境,所以我先建立了虚拟环境,在虚拟环境中进行接下了的操作
1.用管理员模式打开cmd

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\bin

然后执行:

setupvars.bat

在这里插入图片描述

1.3 验证安装

跳转:

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\demo

执行:

demo_security_barrier_camera.bat

在这里插入图片描述

二.OpenVINO Demos的运行

在 open_model_zoo 文件夹下,OpenVINO 提供了许多 Demo ,让Demo 运行起来。

2.1 编译 build_demos_msvc.bat 文件

跳转:

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\demos

执行:

build_demos_msvc.bat

(ps:如果你机器上并没有python环境,它可能会报错说没有发现python环境,然后cmake不了,那么,这个时候你可能就想去安排一波python环境,但是也可以不用,可以使用vs带的命令行去执行上面的命令)
在这里插入图片描述
在这里插入图片描述

执行后,demo运行文件会在文档文件夹下(注意,不是在openVino文件夹下!!)
进入 Intel 文件夹下的 OpenVINO\omz_demos_build 文件夹,使用 VS2017 打开 Demos.sln 文件。
在这里插入图片描述
进入 VS2017 后,右键点击 ALL_BUILD ,然后点击生成,开始进行编译
在这里插入图片描述
编译完成之后,会在以下目录生成编译的文件
在这里插入图片描述

2.2 添加环境变量

添加以下文件目录到环境变量。如果不添加,执行时会提示缺少 xxx.dll 文件

C:\Program Files (x86)\Intel\openvino_2021.2.185\bin
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\ngraph\lib
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\bin\intel64\Release
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\bin\intel64\Debug
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\external\tbb\bin
C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug
C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Release


在这里插入图片描述

2.3 human_pose_estimation_demo

可以看该demo的官方文档,当然要是看不懂也正常,我就是看不懂才写这博客的嘛

2.3.1下载模型文件

跳转:

C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\tools\model_downloader

执行:需要什么模型就在<model_name>处写就可以了

python  downloader.py --name <model_name>

例如我们需要human-pose-estimation-0001,则执行:

python  downloader.py --name human-pose-estimation-0001

要是报拒绝访问的错,那就是没有用管理员打开命令行
在这里插入图片描述
根据模型存放路径去找到模型在这里插入图片描述

2.3.2 下载视频文件

应该可以用自己的视频,但是如果你想要官方的,也可以爱在哪儿下载哪儿下载

本次使用的是classroom.mp4

2.3.3 执行exe

跳转:

C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug

执行:

human_pose_estimation_demo.exe -i C:\Users\sjsys\Desktop\2\classroom.mp4 -m C:\Users\sjsys\Desktop\2\human-pose-estimation-0001.xml -d CPU

-i 参数默认为 cam,使用摄像头作为输入。也可以在 -i 后面加视频文件路径,使用视频输入。
-m 参数为模型文件下的 xml 文件。
-d 参数为使用执行的设备,这里使用 CPU 来执行。在这里插入图片描述
ps:
建议把模型放桌面或者其他地方,emmm,虽然很奇葩,但是我使用默认模型路径时,总是会报错打不开模型文件(好吧,其实可能是路径没有写对,但是换换路径也挺好)

2.4Super Resolution C++ Demo

可以看该demo的官方文档
图片用自己的就行,官方好像也懒得给
下载模型同2.3.1,不过我用的是现成的,从GitHub上直接扒,真香

2.4.1执行exe

跳转

C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug

执行

 C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug>super_resolution_demo.exe -i C:\Users\sjsys\Desktop\1\2.jpg -m C:\Users\sjsys\Desktop\1\single-image-super-resolution-1033.xml

在这里插入图片描述
结果图:在这里插入图片描述

  • 0
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载体验!下载完使用问题请私信沟通。 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于OpenVINO框架下部署Nanodet高性能检测算法源码+部署说明.zip 本项目在 OpenVINO 推理框架下部署 Nanodet 检测算法,并重写预处理和后处理部分,具有超高性能!!! 让你在 Intel CPU 平台上的检测速度起飞!!! 并基于 NNCF 和 PPQ 工具将模型量化 (PTQ) 至 int8 精度,推理速度更快!!! python 安装 ```bash pip install openvino ``` ## 二、模型导出与修改 1. Export ONNX model ```bash cd nanodet python tools/export_onnx.py --cfg_path config/nanodet-plus-m_320.yml --model_path weights/nanodet-plus-m_320.pth ``` 2. Convert to OpenVINO ```bash mo --framework onnx --input_model nanodet.onnx ``` 3. Add PrePostProcess ```bash python add_pre_post.py # 注意修改其中的模型路径 ``` 三、C++ demo Build and Run #### 1 build ```bash cd /your_path/Nanodet_openvino_quant_deploy mkdir build && cd build cmake .. && make -j ``` #### 2 run ```bash cd workspace ``` 图片输入: ```bash ./pro 0 "imgs/car.jpg" ``` 摄像头输入: ```bash ./pro 1 0 ``` 视频文件输入: ```bash ./pro 2 "videos/palace.mp4" ``` benchmark: ```bash ./pro 3 0 ```
1.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载体验!下载完使用问题请私信沟通。 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于OpenVINO Toolkit部署LightTrack跟踪算法源码(python和C++版本)+使用说明.zip 本项目基于 Intel OpenVINO Toolkit 部署 LightTrack 跟踪算法,包含 Python、C++ 两种语言的推理代码 。 **优势**:方便部署,高性能。 本项目的推理模型将预处理和部分后处理融入模型之中,使部署代码量更少,更加方便,并且推理引擎使得预处理速度更快。 ## 推理速度 | Intel CPU | preprocess+inference+postprocess average time | | :-------: | :-------------------------------------------: | | i7-11700K | 3.4ms | | i7-10710U | 5.5ms | | i7-7700HQ | 7.5ms | C++ demo Build and Run #### build ```bash cd /your_path/LightTrack_openvino/Cpp_Infer mkdir build && cd build cmake .. && make -j ``` #### run **视频文件输入:** ```bash ./LightTrack 0 "../../images/bag.avi" ``` **摄像头输入:** ```bash ./LightTrack 1 0 ``` **图片序列输入:** ```bash ./LightTrack 2 "../../images/Woman/img/%04d.jpg" ``` ## Python demo Run **视频文件输入:** ```bash python infer.py --mode 0 --video "../images/bag.avi" ``` **摄像头输入:** ```bash python infer.py --mode 1 ``` **图片序列输入:** ```bash python infer.py --mode 2 --image_path "../images/Woman/img/*.jpg" ```
【资源说明】 毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar 毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar 毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar 毕业设计基于Python Flask+OpenPose+OpenVino实现网课学生课堂坐姿检测系统源码+项目说明.tar 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途:项目具有较高的学习借鉴价值,也适用于小白学习入门进阶。当然也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行,或者热爱钻研,亦可在此项目代码基础上进行修改添加,实现其他不同功能。 欢迎下载,沟通交流,互相学习,共同进步!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值