MediaPipe 转onnx实战

已于 2023-06-24 12:25:50 修改
阅读量1.5k 收藏 2
点赞数
分类专栏： python宝典 文章标签： python linux 开发语言
于 2023-06-20 22:36:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/131316898
版权
本文详细介绍了如何将MediaPipe模型转换为ONNX格式，包括使用tf2onnx的方法以及遇到的protoc版本、tflite2tensorflow核心崩溃等问题，提供了相应的解决策略。
摘要由CSDN通过智能技术生成

目录

pytorch版：

face_landmark_with_attention.onnx.prototxt

方法1 tf2onnx

方法2 v2.8.0-withMediaPipeCustomOp ncnn失败

安装依赖项：

转换命令：

报错protoc >= 3.19.0.：

解决方法：

报错tflite2tensorflow  core dumped 

报错 不支持自定义算子

方法3 tflite2tensorflow转onnx

pytorch版：

2023-01-25-ImGui-barebone-windows-blazeface-integrated-main

face_landmark_with_attention.onnx.prototxt

ailia-models/face_recognition/facemesh at af79c0d45430c8dd7deafe51005b3168346be1f5 · axinc-ai/ailia-models · GitHub

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
专栏目录
订阅专栏
mdiapipe pose姿态 onnx推理
jacke121的专栏
12-17 1307
mdiapipe pose姿态 onnx推理
mediapipe onnx测试
jacke121的专栏
01-19 641
mediapipe测试
windows 10 + VS2019 mediapipe 配置
xiongfeng4152的博客
12-28 2119
【Mediapipe】mediapipe在Windows 下的配置_sunnyblogs的博客-CSDN博客_mediapipe安装最近在做手势相关，需要在windows下配置mediapipe记录一下踩过的坑1.vs20192.MSYS23.bazel4.OpenCV 3.4.10参考：官方教程地址下载相关软件第一步：下载MSYS2下载地址：https://www.msys2.org/2.更新输入命令：pacman -Syu结束之后关闭MSYS2即可3. 重新打卡MSYS2 ，输入：pacman -Su4
mediapipe转onnx，并使用onnx在华为升腾NPU的910A上运行
qq_57467780的博客
09-29 849
mediapipe是使用tensorflow框架运行的模型，我想把它放到华为的npu上运行，这就需要使用一些模型转换的方法，我首先想到的是编译npu版的计算图，但是这个对于我来说太难了，而且教程太零碎，最终无法成功。第二个方法是转成onnx格式，我查了资料，华为的框架也支持onnx，所以这个简单的方法可以实现。
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
05-03
tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t
RV1808/1126使用RKNN作为MediaPipe推理后端开发步骤及ONNX转RKNN模型
space01的专栏
05-30 2132
目录 1 基于RKNN推理后端集成 1.1 依赖库配置 1.2 添加计算单元Calculators 1.3 增加rknn后端调用接口 1.4 增加计算图 1.5 增加动态库生成规则 1.6 编译 1.7 运行配置 1.7.1 基于opencv的resize配置 1.7.2 基于rag的resize配置 2 RKNN模型转换 1 基于RKNN推理后端集成 RKNN SDK为RK1808等带有NPU 的平台提供编程接口...
探索MediaPipe自定义机器学习模型
徐福记456
06-27 5134
MediaPipe支持人脸识别、目标检测、图像分类、人像分割、手势识别、文本分类、语音分类。每个模块都有对应的模型，但是原有模型可能比较大、推理耗时比较长，我们可以自定义模型来进行进行优化。
PINTO_model_zoo：一个共享TensorFlow Keras生成的经过训练的模型的调整结果的存储库。 训练后量化（权重量化，整数量化，完全整数量化，Float16量化），量化意识训练。 TensorFlow Lite。 OpenVINO。 CoreML。 TensorFlow.js。 TF-TRT。 MediaPipe。 ONNX。 [.tflite，.h5，.pb，saved_model，tfjs，t​​ftrt，mlmodel，.xml.bin，.onnx]
02-06
PINTO_model_zoo 使用模型之前，请阅读每个文件夹正下方的LICENSE文件的内容。... TensorFlow Lite，OpenVINO，CoreML，TensorFlow.js，TF-TRT，MediaPipe，ONNX [.tflite，.h5，.pb，Saved_model，tf
将outputstream转换为二进制_将 TensorFlow Lite 模型转换为 ONNX
weixin_39715290的博客
11-25 363
这篇文章介绍的是 tflite2onnx 背后的故事，建议忽略 + 没有帮助~已经有半年多时间没有更新了。这段时间的业余精力都花在做一个小破轮子 tflite2onnx，虽然我看到大多数时候人们想要的是 onnx2tflite，比较 ONNX 生态还是比较羸弱……另外，惯例——公式部分复制过来的时候有问题，懒得修了（因为本文其实对大家没什么帮助），有兴趣的话可以去博客看原文。原载于博客。采用知识共...
MediaPipe in PyTorch：将TFLite模型移植到PyTorch的利器
gitblog_00184的博客
10-10 804
MediaPipe in PyTorch：将TFLite模型移植到PyTorch的利器 MediaPipePyTorch 项目地址: https://gitcode.com/gh_mirrors/me/MediaPipePyTo...
人脸检测与分割，ncm的facemesh（mediapipe）-Android开发
05-26
ncnn的Android人脸检测和分割ncnn_Android_face的人脸检测和分割，ncnn的facemesh（mediapipe）PS：facemesh结果可能与mediapipe不同，因为某些操作会进行转换，希望有人对其进行改进。 参考：https://github.com/nihui/ncnn-android-scrfd https://github.com/deepcam-cn/yolov5-face https://github.com/Tencent/ncnn https://github.com /thepowerfuldeez/facemesh.pytorch
ncnn在Android的一个测试，包含了人脸检测(face detection)，人脸属性(face attributes)，人脸识别(face recognition)。-C/C++开发
05-27
ncnn在Android的一个测试，包含了人脸检测(face detection)，人脸属性(face attributes)，人脸识别(face recognition)。车辆检测(Vehicle detection)，车牌检测(plate detection)，车牌识别(plate recognition)；人头检测(head detection)的流程 ncnn_android_face_vehicle ncnn在Android的一个测试,包含了人脸检测(face detection),人脸属性(face attributes),人脸识别(face recognition);车辆检测(Vehicle detection),车牌检测(plate detection),车牌识别(plate recognition);人头检测(head detection)的流程 致谢 NCNN:https://github.com/Tencent/ncnn MobileNetSSD_Demo_AndroidNCNN:https://github.com/chentyjpm/MobileNetS
pyqt5+AI健身+CPU实时检测mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能
05-09
pyqt5+AI健身+mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能。详细：https://blog.csdn.net/qq_34717531/article/details/124670291?spm=1001.2014.3001.5502。使用OpenCV+mediapipe的BlazePose以及前端界面的Qt Designer+Pyqt5实现的一个基于人体姿态识别的AI健身系统，可以实现选择打开图片文件或者是视频文件，具有视频的关闭播放和更换视频播放等功能。视频可以在CPU下实时检测。 注： 1.中间数字为角度。采用的是12，14，16，可自由更改。 2.左上角为fps，左下角为次数统计。 3.关闭视频后再打开视频，检测速度有明显提升，已发现原因。 将self.timer_camera.start()里的100去掉即可全部流畅运行。
IrisBarracuda:Unity Barracuda的MediaPipe虹膜界标模型
04-16
艾里斯梭子鱼 IrisBarracuda是虹膜界标检测器，它在神经网络推理库上运行模型。 关于ONNX文件 使用转换了此存储库中包含的ONNX模型文件。 它还用于解决一些ONNX兼容性问题。 请检查笔记本以获取更多详细信息。 致谢 该存储库包含来自一些库存照片。 ，
tensorflow-onnx：将TensorFlow模型转换为ONNX
02-06
tf2onnx-将TensorFlow模型转换为ONNX。 构建类型 操作系统 Python 张量流 Onnx Opset 状态 单元测试-基本 Linux，MacOS * ，Windows * 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 单元测试-完整 Linux，MacOS，Windows 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 支持的版本 ONNX tensorflow-onnx将使用系统上安装的ONNX版本，如果未找到，则安装最新的ONNX版本。 我们支持ONNX opset-6至opset-13。 默认情况
ONNX OpenVino TensorRT MediaPipe NCNN Diffusers ComfyUI
09-07 646
在训练模型时可以使用很多不同的框架，比如 Pytorch， TensorFLow， MXNet，以及深度学习最开始流行的 Caffe 等等，这样不同的训练框架就导致了产生不同的模型结果包，在模型进行部署推理时就需要不同的依赖库，而且同一个框架比如 tensorflow 不同的版本之间的差异较大。和Java生成的中间文件可以在JVM上运行一样，AI技术在具体落地应用方面，和其他软件技术一样，也需要具体的部署和实施的。既然要做部署，那就会有不同平台设备上的各种不同的部署方法和相关的部署架构工具。
【ncnn】基于ncnn的iOS端深度学习算法部署及应用
How are you doing ?
03-08 4314
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI 带到你的指尖。ncnn 目前已在腾讯多款应用中使用，如 QQ，Qzone，微信，天天P图等。github 地址：Tencent/ncnn, Demo 地址：YOLOv5_NCNN 深度学习和卷积神经网络，在移动端上的测试，可以.
模型转换、压缩、加速工具
kyle1314608的博客
02-26 1404
目录 1、Halide 2、TACO 3、weld 4、ATLAS 5、TensorComprehensions 6、opentuner 1、模型压缩加速工具的作用 2、模型压缩加速工具简介 1、PocketFlow 3、distiller 4、TVM 5、tflite 6、ncnn 7、MNN 8、OpenVIO 9、Tengine 10、ARMNN 11、Paddle Lite 12、FeatherCNN 13、DNNL 14、MACE 15、SNPE 16、model-compression 17、M
mediapipe转换smplx
最新发布
10-14
Mediapipe是一个开源的人工智能库，主要用于实时计算机视觉应用，如手势识别、人体关键点检测等。SMPL（Skinned Multi-Person Linear Model）是一种流行的人体姿态和形状模型，它能表示高度详细的人体形状，并支持...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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