如何将自己训练的yolov3网络转化为openvino的IR格式

如何将自己训练的yolov3网络转化为openvino的IR格式

接着上一篇文章继续（文章最后有下载链接）
这里有必要解释一下：
（1）因为选用的是kears的yolov3算法实现，训练模型保存的是*.h5格式，由于openvino不支持*.h5格式的模型直接转换成IR模型,需要先把*.h5转换成其他格式,比如pb、onnx（听说现在最新版本的openvino好像支持了，不过没尝试）,再转换成IR，这里选择转换成tf的pb模型，再转换成IR模型。
（2）如果想在 Intel OpenVINO 下顺利执行，建议先将权重从*.h5 格式转成 DarkNet 的*.weights 格式再转换成 IR 格式（.xml、.bin），而不要直接转成 TensorFlow *.pb 格式再送到 mo.py 转成 IR格式，以免无法顺利转化。
（3）大体流程如下

（4）具体操作：
首先运行kears_to_weights.py文件，cmd下运行以下命令：
python kears_to_weights.py -cfg_path yolov3.cfg -h5_path model_data/yolo.h5 -output_path model_data/yolo.weights

运行结束之后，会在model_data/文件夹下生成yolo.weights文件
（5）然后运行convert_weights_pb.py脚本
cmd下运行以下命令：
Python convert_weights_pb.py --class_names coco.names --weights_file model_data/yolo.weights --data_format NHWC --output_graph model_data/frozen_yolo_v3.pb
运行完毕 会在model_data文件夹下生成frozen_yolo_v3.pb文件。
（6）将.pb文件转化为openvino的IR格式
cd到C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\model_optimizer（根据自己实际安装路径修改）路径下
运行mo_tf.py脚本文件（根据自己的实际路径进行修改）：
python mo_tf.py --input_model E:\yolov3_openvino\model_data\frozen_yolo_v3.pb --tensorflow_use_custom_operations_config E:\yolov3_openvino\yolo_v3.json --input_shape=[1,416,416,3] --data_type=FP16

运行完毕，会在路径C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\model_optimizer下生成3个frozen_yolo_v3.bin、frozen_yolo_v3、frozen_yolo_v3.mapping文件。到此转换完成。
（7）为了方便测试，将生成的3个文件复制到项目中的FP16文件夹下，并将frozen_yolo_v3.labels将里面的标签改成自己的类别标签。
（8）接下来就是利用openvino加速推理了，首先记得要先激活openvino的环境
Cd到C:\Program Files (x86)\IntelSWTools\openvino\bin文件夹下，运行setupvars.bat完成环境激活。然后，cd到FP16文件夹下，运行object_detection_demo_yolov3_async.py脚本
python object_detection_demo_yolov3_async.py --labels coco.names -i cam -m frozen_yolo_v3.xml -d CPU

然后就可以进行推理，速度很快。
（-i cam 选用的是摄像头，-d 可自行选择）
注意：可以打开object_detection_demo_yolov3_async.py修改里面的默认参数（ “score” : 0.05, “iou” : 0.45等）以获得更好的检测效果。

整个项目的下载链接（比较大，包含了我所有的模型、数据、文档）
项目链接
提取码：yolo

有问题欢迎评论交流