文章目录
openvino的介绍
OpenVINO 是英特尔基于自身现有的硬件平台开发的一种可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件,支持各种英特尔平台的硬件加速器上进行深度学习,并且允许直接异构执行。
openvino的环境的配置
参考资料
[配置脚本](https://pan.baidu.com/s/1_EYC_QSB6hnUlBBeXWlcvA?pwd=thda 提取码:thda)
配置脚本
由于上文资料写的比较详细我就不在做赘述,我写一下自己遇到的bug
问题一 :CMake Error: Could not create named generator Visual Studio
这个bug是在运行demodemo_security_barrier_camera.bat出现
解决办法
首先更改demo_security_barrier_camera.bat的权限,由于文件默认使用的管理员的权限,不能进行随便更改并保存,
使用vscode 或者记事本 ,更改文件
最后保存即可
openvino初级课补充的内容
视频压缩的算法
I帧:关键帧,采用帧内压缩技术。
P帧:向前参考帧,在压缩时,只参考前面已经处理的帧。采用帧音压缩技术。数据是I帧的1/2
B帧:双向参考帧,在压缩时,它即参考前而的帧,又参考它后面的帧。采用帧间压缩技术。数据是 1/4
rtsp
RTSP协议与HTTP协议的语法非常类似,且都是纯文本协议,但它们也有区别:
RTSP是有状态的,它命令总是按照顺序来发送,其中某个命令可能需要总在另外一个命令之前要发送。而http则是无状态,协议在发送一个命令以后,连接就会断开,且命令之间是没有依赖性的。
rtsp协议使用554端口,http使用80端口。 RTSP的请求服务器和客户端都可以发送,而HTTP请求则只能由客户端发送
AI interfere
Select system
部署之前必须明确边缘计算的设备使用的处理器,同时以便于进行相应的算力的评估,以及相应的性能优化
Choose Model
选择相应的model,需要根据问题的解决方式以及相应的数据的分布
- 自己进行网络结构的建立
- 使用预训练模型的权重进行相应的训练
openvino提供了相应的Training Extension
Prepare Inference
需要进行模型的转化
Benchmark
可以使用workbench将性能测试的结果进行gui展示
总结
初级课程比较偏介绍openvino多一些,不涉及到相应的实践的部分,所以以前对于图像处理的知识,以及有过部署模型经历的同学可以简单了解一下即可