在树莓派+Intel NCS2上跑YoloV3 Tiny

最新推荐文章于 2024-06-07 21:39:42 发布
最新推荐文章于 2024-06-07 21:39:42 发布
阅读量1w 收藏 41
点赞数 4
分类专栏： 硬件平台 文章标签： 树莓派 神经计算棒 NCS2 Yolo OpenVINO
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/weixin_41665225/article/details/86519032
版权

上一篇：树莓派3B+安装OpenVINO，Intel Movidius神经计算棒NCS2的环境部署
二话不说，先放官方教程，不记得从官网的哪个页面下载的了，存在百度网盘，提取码：76zd 。

1. 将Yolo V3的.weights文件转为OpenVINO的IR模型

OpenVINO不支持直接使用Yolo V3的.weights文件，目前仅支持ONNX、TensorFlow、Caffe和MXNet。需要先把.weights文件转换成TensorFlow的.pb文件。

1.1 .weights文件

如果没有现成的，可以从pjreddie网站下载
Yolo V3 COCO weights（237MB），Tiny Yolo V3 COCO weights（34MB） 标签文件

最低0.47元/天 解锁文章
rosqin
关注
  • 4
    点赞
  • 踩
  • 41
    收藏
    觉得还不错? 一键收藏
  • 25
    评论
专栏目录
在树莓派4B上部署intel NCS2神经网络计算棒与yolov3全过程（附代码）(一)
qq_40326795的博客
10-19 2546
· 该项目全部经实测具有可行性，且经过比赛检验 · 不同时间软件版本可能不同，请按文中使用版本为准 软硬件要求 1、树莓派4B 2、Windows电脑 3、稳定的WIFI网络 主要步骤 1、模型转化 2、树莓派环境部署 3、模型部署 --------下面开始部署过程-------- 一、模型转化 1、weights转化为pb 现在假设你已经有darknet训练好的.weights模型文件 （如何训练请自行搜索） clone这位PINTO0309日本工程师的仓库 https://github.com/PINT
JetsonNano跑YoloV3速度评测
jinfagang1211的博客
09-22 7778
title: JetsonNano跑YoloV3速度评测 date: 2019-09-22 14:45:04 category: 默认分类 本文介绍 JetsonNano跑YoloV3速度评测 JetsonNano跑YoloV3速度评测 This article was original written by Jin Tian, welcome re-post, first come wi...
树莓派部署Yolov5-Lite
CYFS3的博客
06-07 1015
yolov5-lite 1.5版本部署树莓派
树莓派4B+Intel神经计算棒(Stick2)+YoloV5可行性考察报告
tiexiaorenyu的博客
04-23 2505
1, 神经棒只能作为协处理器,在执行脚本时，通过在命令后面加上“-d 设备名“就可以指定硬件设备来加速推理 例如: 命令行指定神经棒运行 demo_squeezenet_download_convert_run.bat -d MYRIAD 例如: 在.py文件中指定设备为神经棒: import openvino.inference_engine as ie import cv2 import numpy import time def main(): #####################
yolo v3制作自己的数据_在树莓派+Movidius NCS上运用YOLO和Tiny-YOLO完成目标检测
weixin_39935571的博客
11-20 976
作者：Adrian Rosebrock翻译：吴振东校对：郑滋本文约5000字，建议阅读10+分钟本文教你如何在树莓派和Movidius神经加速棒上运用Tiny-YOLO来实现近乎实时的目标检测。在这篇教程中，你将会学到如何用YOLO和Tiny-YOLO在树莓派和Movidius NCS上完成一个接近实时的目标检测任务。YOLO目标检测在近期经常会被人们提起，它是速度最快的深度学习目标检测算法之一，...
二代神经计算棒NCS2+YOLOv3+ROS加速目标检测
star0w的博客
09-23 2564
参考：https://www.bilibili.com/video/av98553542/ 1、 openvino 对应的是二代神经计算棒NCS2, 而NCSDK对应的是一代 在这篇博客有一个对比 在官网下载工具包，然后配置环境变量，安装一些基本的库，都比较简单，一步一步照着来就可以，我是用了linux的版本。 安好以后可以通过简单的例子测试 2、神经计算棒 2代的计算速度有1代的八倍 3、YOLOv3 转化为NCS可以直接调用的模型 （1）将YOLOv3模型转化为tensorflow的pd模型 ht
OpenVINO-YoloV3：YoloV3tiny-YoloV3 + RaspberryPi3Ubuntu笔记本电脑PC + NCSNCS2 + USB摄像头+ Python + OpenVINO
02-06
YoloV3 / tiny-YoloV3 + RaspberryPi3 / Ubuntu笔记本电脑+ NCS / NCS2 + USB摄像头+ Python 灵感来自 作为移动应用程序的性能比较（基于感官比较） ◯=高，△=中，×=低 没有。 模型 速度 准确性 适应距离 1个 ...
在i.MX8MQ平台上使用Intel NCS2
07-17
intel NCS2是intel出来的第二代计算棒，官方目标只支持x86和树莓派，如果想在其它平台上使用，就要花点功夫了。这个文章介绍了如何在i.MX8MQ平台上使用NCS2来运行深度学习模型
OpenVINO-YOLOV4:这是OpenVINO2021.3中YOLOv4，YOLOv4-relu，YOLOv4-tiny，YOLOv4-tiny-3l，Scaled-YOLOv4的实现
05-13
修剪YOLOv3 / v4 / v4-tiny / v4-tiny-3l模型的教程（找到用于当前检测任务的最紧凑的模型结构，极大地压缩模型并改善检测FPS ）并将其部署在OpenVINO中，甚至可以满足多个视频流的同时推断。 提供中文和英文版本。...
树莓派中用YoloV8模型检测小车.pdf
最新发布
06-11
为了实现上述功能，首先需要在树莓派上搭建相应的开发环境。根据给定的部分内容，环境搭建主要包括以下几个步骤： 1. **安装NVIDIA显卡驱动**： - 删除旧的驱动。 - 禁止自带的nouveau nvidia驱动。 - 安装合适...
intel神经网络计算棒NCS2.rar
08-19
intel神经网络计算棒NCS2，openvino加载.bin , .xml 模型文件进行目标检测 ， 帧率: 4.26 运行代码：python detect_realtime_tinyyolo_ncs.py --conf=config/config.json --input=videos/car_chase_01.mp4 --conf...
树莓派4B部署YOLOv5目标检测模型部署（包含加速方法以及模型训练方法总结）
weixin_47772846的博客
05-31 8624
树莓派4B部署YOLOv5目标检测模型 简介：
YoloV3学习笔记（六）—— YoloV3-tiny
Lcl_huolitianji的博客
03-27 8937
YoloV3学习笔记（六）YoloV3学习笔记（六）—— YoloV3-tiny一、网络架构二、总结 YoloV3学习笔记（六）—— YoloV3-tiny yolov3-tiny中，共有两个输出层（yolo层），分别为13x13和26x26，每个网格可以预测3个bounding box，共有80个分类数。所以最后的yolo层的尺寸为：13x13x255和26x26x255。 一、网络架构 yolov3-tiny网络层结构如下： 可以看出，yolov3-tiny共有23层网络，其中包含五种不同的网络层：卷
Yolov3 和 Yolov3-tiny目标检测算法理论与实现（TensorFlow2）
__不想写代码__的博客
09-24 1万+
文章目录前言一、Yolov3 和 Yolov3-tiny二、使用步骤1.引入库2.读入数据总结 前言 上一篇文章 神奇的目标检测 已经介绍了目标检测的基础啦。目标检测呢，就是在图片中定位出目标的位置，把它“框”出来就好了。本篇文章使用Yolov3 和Yolov3-tiny，以训练VOC2007和口罩检测为例。教大家如何快速的搭建自己的目标检测平台。下面是资源链接： 内容 链接 VOC2007 数据集 链接 戴口罩数据集 链接 权重文件 链接 提取码：y32m github
树莓派4B（armv7l，arm32）buster部署英特尔第二代神经计算棒，示例：运行darknet-yolov4-tiny
DEDSEC_Roger的博客
10-20 2492
开启cmd，“以管理员身份运行”，先激活之前创建的虚拟环境并设置环境变量，导航到有.pb文件的地方，使用Windows上的Model Optimizer生成IR文件，按照你自己在Windows上的OpenVINO安装路径来运行下面的代码。接下来为Model Optimizer做准备，因为我只打算将TensorFlow的模型文件作为我的转换媒介，因此我只做关于TensorFlow的准备，其他模型文件的转换可以参考下面的链接。这种环境变量的设置方法是临时的，关闭cmd就失效，也可以手动设置永久的环境变量。
树莓派4B 4G板子64位、32位系统下使用ncnn 推理yolov4
RayChiu757374816的博客
01-13 2212
测试对比ncnn推理在树莓派64位、32位系统下的速度
因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection
LuckyXiaoSu的博客
02-20 1万+
因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection 踩了好多坑啊。。一言难尽 Step1:在树莓派上安装环境 首先安装openVINO工具包（最好不要在树莓派上装NCSDK..太坑了），详情见这篇文章(https://blog.csdn.net/qqqzmy/article/details/85213414)。 Step2:在windows中安装openVIN...
yolov3-tiny工程应用和实现
热门推荐
alangaixiaoxiao的博客
04-15 1万+
目录前言相关推荐yolov3-tiny 原理yolov3-tiny 源码分析配置网络结构 前言 从去年十一月份开始学习yolo神经网络用于目标识别的硬件实现，到现在已经六个月了。一个硬件工程师，C/C++基础都差劲的很，对照着darknet作者的源码和网上东拼西凑的原理讲解，一点一点地摸索。刚开始进度很慢，每天都感觉学习不了几行代码，到后来慢慢的入了门，每周都有不菲的收获和重大的进展。总结一下自己...
yolov3-tiny移植树莓派
07-28
移植yolov3-tiny模型到树莓派的过程可以分为以下几个步骤： 1. 在树莓派上部署OpenVINO。这是一个用于优化和部署深度学习模型的工具套件。你需要在树莓派上安装OpenVINO，并配置好相关环境。 2. 下载预训练的权重文件。对于yolov3-tiny模型，你可以从官方网站下载yolov3-tiny.conv.15权重文件。 3. 使用命令将权重文件转换为.pb格式。你需要使用convert_weights_pb.py脚本，并指定相关参数，如权重文件路径、类名文件路径等。 4. 使用Model Optimizer将.pb文件转换为OpenVINO支持的IR格式。你需要使用mo_tf.py脚本，并指定相关参数，如输入模型路径、转换配置文件路径等。 5. 运行模型推理。你可以使用object_detection_demo脚本，并指定相关参数，如IR模型路径、设备类型、输入图像等。 以上是移植yolov3-tiny模型到树莓派的基本步骤。你可以参考引用\[1\]中提供的命令和引用\[2\]中提供的权重文件下载链接来进行操作。请注意，具体的操作步骤可能会因环境和需求而有所不同，你需要根据自己的情况进行相应的调整。 #### 引用[.reference_title] - *1* *3* [树莓派4B+因特尔二代神经棒（NCS2）部署yolov3-tiny错误记录](https://blog.csdn.net/weixin_44010937/article/details/125355595)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [使用YOLOV3-tiny训练行人检测器并移植到树莓派4B上实现](https://blog.csdn.net/weixin_43878078/article/details/106355710)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 25
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
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