OPEN VINO
文章平均质量分 86
THE ORDER
卷,学习笔记
展开
-
32 OPENVINO advanced course 使用DL-streamer进行表情识别
使用DL-streamer进行表情识别使用DL-streamer进行表情识别初始化环境开始实验运行识别示例挑战任务:增加情绪识别功能使用DL-streamer进行表情识别初始化环境#定义工作目录export OV=/opt/intel/openvino_2021/export WD=~/OV-300/07/#初始化OpenVINOsource $OV/bin/setupvars.sh开始实验#进入实验目录cd $WD#播放原始视频示例:show video1.mp4运行识别示例#原创 2022-03-27 19:37:57 · 1046 阅读 · 0 评论 -
31 OPENVINO advanced course5 语音识别
语音识别声音检测实验初始化环境开始实验播放需要检测的声音文件运行Demo挑战任务:提高程序的识别准确度思考任务声音识别实验将原生模型转换为IR格式运行声音识别Demo思考任务声音检测实验初始化环境#定义工作目录export OV=/opt/intel/openvino_2021/export WD=~/OV-300/06/Lab1/export MODELS_PATH=~/OV-300/06/Lab1/#初始化OpenVINOsource $OV/bin/setupvars.sh开始实验原创 2022-03-27 17:13:16 · 3247 阅读 · 0 评论 -
30OPENVINO advanced cource 4 数据精度对推理性能的影响
数据精度对推理性能的影响数据精度对推理性能的影响初始化环境编译示例开始实验下载模型进行不同精度的模型性能测试挑战任务数据精度对推理性能的影响初始化环境#定义OV目录export OV=/opt/intel/openvino_2021/#定义工作目录export WD=~/OV-300/04/#初始化OpenVINOsource $OV/bin/setupvars.sh编译示例#一键编译OpenVINO中的C++ samplesource $OV/inference_engine/sam原创 2022-03-27 15:58:05 · 1336 阅读 · 1 评论 -
29 OPENVINO advanced course
测试当前设备的解码密度1.1初始化环境#定义OV目录export OV=/opt/intel/openvino_2021/#定义工作目录export WD=~/OV-300/03/#初始化OpenVINOsource $OV/bin/setupvars.sh进入工作目录cd $WD1.2由于当前环境只有 CPU,且DevCloud只接受.py脚本。所以需要你通过如下指令获取及结果为25 FPS per channel的通道数:bash decode.sh video1.mp4 CPU原创 2022-03-27 15:21:56 · 610 阅读 · 0 评论 -
28 OPENVINO advanced course2
1 上传性能评估脚本到DevCloud1.1初始实验路径#定义OpenVINO 文件夹export OV=/opt/intel/openvino_2021/#定义工作目录export WD=~/OV-300/02/LAB1/#初始化OpenVINOsource $OV/bin/setupvars.sh#进入实验目录cd $WD1.2查看当前设备信息通过OpenVINO自带脚本可以查询当前环境的设备信息:python3 $OV/inference_engine/samples/pyth原创 2022-03-27 13:21:50 · 413 阅读 · 0 评论 -
27 OPENVINO advanced course1
OPENVINO示例1 人体动作姿势识别示例2 图像着色示例3 音频检测示例4 公式识别5 环境深度识别6 目标识别示例7自然语言处理示例(NLP)——自动回答问题1 人体动作姿势识别示例1.1设定实验路径设定OpenVINO的路径:export OV=/opt/intel/openvino_2021/设定当前实验的路径:export WD=~/OV-300/01/3D_Human_pose/注:实验文件夹名为OV-300,位于主目录下。本环境下,文件的上传与下载方法,参考右上角帮助手册。1原创 2022-03-27 11:53:50 · 168 阅读 · 0 评论 -
25 OPENVINO intermediate course 17 运行车辆追踪处理流水线
运行车辆追踪处理流水线1 说明2 实验目的3 任务内容4 实验原理5 操作步骤6 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、认识使用DL-Streamer追踪图像的方法。2、掌握运行车辆追踪处理流水线的方法。3 任务内容1、学习使用DL-Streamer追踪图像的方法。2、运行车辆追踪处理流水线。4 实验原理构建流水线系原创 2022-03-27 09:09:16 · 305 阅读 · 0 评论 -
26 OPENVINO intermediate course 18 通道性能评估实验
通道性能评估实验1 说明2 实验目的3 任务内容4 实验原理5 操作步骤1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、掌握运行DL-Streamer基准测试应用的方法。2、掌握通道性能评估的方法。3 任务内容1、将“FPS-Counter”添加到练习1的面部检测示例中,以测量此工作负载在计算机上的性能(FPS)。2、对单个视频输入的人脸原创 2022-03-26 22:04:43 · 388 阅读 · 0 评论 -
24OPENVINO intermediate course 16 Gstreamer构建视频处理流水线
1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解使用Gstreamer构建视频处理流水线的方法。2、掌握使用DL-Streamer运行面部检测和分类视频处理流水线的方法。3 任务内容1、学习使用Gstreamer构建视频处理流水线的方法。2、使用DL-Streamer运行面部检测和分类视频处理流水线。4 实验原理前面的实验介绍了模型原创 2022-03-26 19:24:30 · 1903 阅读 · 1 评论 -
23 OPENVINO intermediate course15 多路视频行人追踪
多路视频行人追踪1 说明2 实验目的3 任务内容4 实验原理5 操作步骤1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、熟悉OpenVINO多路视频处理原理。2、掌握使用OpenVINO进行多路视频处理的方法。3 任务内容1、学习OpenVINO多路视频处理原理。2、使用OpenVINO进行多路视频处理。4 实验原理在视频动态识别的实原创 2022-03-26 20:35:12 · 1082 阅读 · 2 评论 -
22 OPENVINO intermediate course14 学习视频解码方案
学习视频解码方案1 说明2 实验目的3 任务内容4 实验原理一、OpenVINO动态视频识别概述二、Intel Media SDK介绍5 本实验基于OpenVINO进行单路视频智能识别。6 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的任务目的1、了解OpenVINO视频处理的原理。2、掌握OpenVINO视频处理和分析方法。3 任务原创 2022-03-26 17:16:58 · 2097 阅读 · 0 评论 -
21 OPENVINO intermediate course13 benchmark工具使用练习
benchmark工具使用练习1说明2 实验目的3 任务内容4 实验原理一、影响性能的关键因素二、benchmark工具介绍及参数详解5 操作步骤6 实际操作1说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解benchmark工具各参数的用法。2、掌握benchmark测试模型性能的方法。3 任务内容1、了解影响性能的关键因素。2、学习b原创 2022-03-26 16:32:11 · 650 阅读 · 0 评论 -
20 OPENVINO intermediate course 12
目标追踪实验1 说明2 实验目的3 实验原理4 操作步骤5实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解推理引擎计数器,了解如何获取网络各层的实时执行时间。2、掌握添加时间计数器测量推理时间的方法。任务内容1、了解推理引擎计数器,了解如何获取网络各层的实时执行时间。2、在配置文件中添加计数器,测量推理时间。3、验证第三章节原创 2022-03-26 15:46:32 · 2464 阅读 · 0 评论 -
19OPENVINO intermediate course11 推理引擎API的用法实践
推理引擎API的用法实践1 说明2 实验目的3 任务内容4 实验原理一、HETERO插件二、MULTI插件三、性能计数器四、以设备为中心的查询5 操作步骤6 实验操作1 说明本实验所有代码均在ubuntu18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、认识HETERO插件和MULTI插件。2、认识性能计数器和以设备为中心的查询。3、掌握调用API来打印系统中的所有可用设备的方法。原创 2022-03-26 14:13:56 · 573 阅读 · 0 评论 -
18 OPENVINO intermediate course10 初识推理引擎中的API
初识推理引擎中的API1 说明2 实验目的3 任务内容4 实验原理一、推理引擎优化二、推理引擎内部API三、IECore类5 操作步骤6 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、认识推理引擎的优化。2、认识推理引擎API和其中的IECore类。3、掌握使用推理引擎API运行分类示例代码的方法。3 任务内容1、学习推理引擎的原创 2022-03-26 12:06:40 · 474 阅读 · 0 评论 -
17 OPENVINO intermediate course9 深入了解模型优化器
深入了解模型优化器1 说明2 实验目的3 任务内容4 实验原理4.1调整神经网络输入批次大小4.2 调整神经网络输入大小4.3剪辑模型网络4.4 调整输入的数据格式5 操作步骤6 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、掌握模型优化器各种参数的用法。2、掌握修改batch、input_shape以及剪切模型的方法。3 任务内容原创 2022-03-26 10:37:23 · 1090 阅读 · 0 评论 -
16 OPENVINO intermediate course8 使用模型优化器优化SSD-mobilenet模型
使用模型优化器优化SSD-mobilenet模型1 说明2 实验目的3 任务内容4 实验原理一、SSD(Single Shot MultiBox Detector)简介二、SSD拓扑5 操作步骤6 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、掌握模型优化器优化SSD mobilenet模型的方法。2、掌握使用优化后的模型对图像中的对原创 2022-03-26 10:17:25 · 927 阅读 · 0 评论 -
15 OPENVINO intermediate course7 了解模型优化器的输入参数
1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解模型优化器的输入参数。2、掌握使用模型优化器生成IR文件并验证分类推理结果的方法。3 任务内容1、学习模型优化器的输入参数。2、使用模型优化器将mobilenet ONNX模型转换为IR文件。验证转换的IR文件分类推理结果。4 实验原理一、模型优化器简介DLDT(Deep Lear原创 2022-03-25 22:25:06 · 438 阅读 · 0 评论 -
14 OPENVINO intermediate course6 使用Resnet-50进行图片分类
使用Resnet-50进行图片分类1 说明2 实验目的3 任务内容4 实验原理一、ResNet-50结构介绍二、SqueezeNet1.1与ResNet-50比较5 操作步骤6 实验状况1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解Resnet-50网络模型的特点。2、掌握Resnet-50网络模型的使用方法。3 任务内容1、使用模型原创 2022-03-25 21:34:50 · 542 阅读 · 0 评论 -
13 OPENVINO intermediate course 5 用模型优化器对其他图片进行分类
用模型优化器对其他图片进行分类1 实验说明2 实验目的3 任务内容4 实验原理5 操作步骤步骤1步骤2步骤3步骤4步骤5步骤61 实验说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解OpenVINO模型优化器的原理和作用。2、掌握OpenVINO模型优化器使用方法。3、掌握squeezenet1.1网络模型的特点。3 任务内容1、使用模型原创 2022-03-25 20:14:55 · 962 阅读 · 1 评论 -
12 OPENVINO intermediate course experiment 4 学习模型优化器并进行图片分类
OPENVINO intermediate course experiment 41 说明2 实验目的3 任务内容4 实验原理一、DLDT介绍二、应用构建的流程1.找到合适的模型2.进行推理之前的准备3.性能指标评测4.选择能够满足性能要求的平台5.查看解码和编码密度6.由于解码、编码和推理等任务是一起运行的,所以得到的结果可能差强人意7.构建软件三、获取深度学习的模型1. 第一是通过某个途径购买或下载模型或自行训练。2. 第二个是从OpenVINO model-zoo中下载模型。3. 最后一个选项是使用模原创 2022-03-24 19:47:01 · 416 阅读 · 0 评论 -
11 OPENVINO intermediate course experiment 3 增加性别和年龄识别
OPENVINO intermediate course experiment 31 说明2 实验目的3 任务内容4 实验原理1.读取模型,具体代码如下:2.指定网络在CPU上运行,具体代码如下:3.读取图像并进行面部检测,具体代码如下:4.在检测到的面部上画框,具体代码如下。5.从原始帧中提取检测到的面部曲线,将其调整为62x62的大小,并将其用作第二个模型的输入blob6.性别和年龄识别处理5 操作步骤步骤1步骤2步骤3步骤4步骤5步骤6步骤71 说明本实验所有代码均在ubuntu 18.04 +原创 2022-03-24 17:58:01 · 1018 阅读 · 1 评论 -
10 OPENVINO 中级课程2 如何识别更多的人脸
OPENVINO Intermediate course 21 说明2 实验目的3任务内容4实验原理1.读取模型2.指定网络在CPU上运行3.图像读入“frame”变量4.对图像进行推理准备。5.运行推理。6.在检测到的面部上画框。7.将结果文件写入图像。5 操作步骤步骤1步骤2步骤3步骤4步骤5步骤6步骤7步骤86 实际操作1 说明本实验所有代码均在ubuntu 18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环原创 2022-03-24 17:16:25 · 410 阅读 · 0 评论 -
9 openvino中级实验 1 人脸识别初体验
1 说明本实验所有代码均在ubuntu18.04 + OpenVINO 2020R3.LTS installed 环境下验证通过,若需要代码移植,请务必检查环境配置是否与本实验环境相同。2 实验目的1、了解OpenVINO的特性、作用及相关组件等基本知识。2、掌握基于深度学习模型的人脸识别的基本原理。3 实验环境实验环境信息如下表所示。设备名称 软件环境 硬件环境主机 Ubuntu 18.04 OpenVINO 2020.0319桌面版 CPU:2核 内存:4G 磁盘:40G注:系统默认原创 2022-03-24 15:58:12 · 1315 阅读 · 1 评论 -
8 OPENVINO The full flow, from Data to a product using Intel tools-Part 2.
OPENVINO lesson81 流程概括2 模型准备3 Benchmark4 Decode Density5 Full Pipeline6 总结7 课程练习1 流程概括2 模型准备可以使用VINO自带的模型下载器下载模型collect数据training数据model zoo可以下载训练好的模型,并包含原始训练模式可以复制整个项目也可以从零开始训练3 Benchmarkintel提供devcloud运行环境workbench提供web可视化操作页面,性能分析和调原创 2022-03-23 13:28:43 · 149 阅读 · 1 评论 -
7 OPENVINO :The full flow, from Data to a product using Intel tools-Part 1.
OPENVINO lesson71 整体流程2 select system3 总结4 课程练习1 整体流程2 select system我们需要一个异构系统OPENVINO代码是可移植的3 总结A summary• OpenVINO provides all the tools required to build an AI application• Getting a deep learning model• Benchmarking all the components i原创 2022-03-23 12:35:53 · 148 阅读 · 0 评论 -
6 OPENVINO: Demos, OpenVINO at work
OPENVINO lesson6Agenda1. Interactive Face Detection demo2. Multi-channel face-detection demo3. Pedestrian tracking demo4. Road segmentation demo总结课程练习Agenda1. Interactive Face Detection demo2. Multi-channel face-detection demo3. Pedestrian tracking d原创 2022-03-23 12:19:57 · 481 阅读 · 0 评论 -
5 OPENVINO: Video Analytics pipeline
1 视频分析流程原创 2022-03-23 12:02:32 · 347 阅读 · 0 评论 -
4 OPENVINO: How to accelerate Neural Network for vision applications
OPENVINO:lesson41 识别特征2 神经网络 Neural Network3 加速神经网络4 总结5 课程总结1 识别特征通过锐化图像找到图像边缘2 神经网络 Neural Network关于神经网络后面详细讲解深度学习效果3 加速神经网络4 总结Summary• Deep Learning based Neural Networks are a very robust way to perform allkinds of vision relat原创 2022-03-23 11:21:03 · 426 阅读 · 0 评论 -
3 OPENVINO:How to accelerate Video processing
OPENVINO lesson21 初始高清视频大小2 压缩的二种方式2.1 spatial redundant2.2 temporal redundant3 帧与帧的存储4 压缩和解码5 总结6 课程检验1 初始高清视频大小初始文件压缩后压缩比比可以到1002 压缩的二种方式In order to compress we need redundancy– Ability to present a lot of data with smaller amount of pixels/bits… w原创 2022-03-23 11:00:53 · 2057 阅读 · 0 评论 -
2 OPENVINO : What is Video, what is computer vision, how do we accelerate it on modern computer
1 介绍像素像素由红黄绿(red,green,blue)组成区间为0—2552 像素滑雪板的边缘有对角线上像素值与对角线下的急剧变化可以表示为滑板的边缘给不同的像素不同的高度,可以看到不同的边缘实际上在我们的日常生活中,通过三原色色彩深浅的组合,可以组成各种不同的颜色。产品能够展现的灰度数量越多,也就意味着这款产品的色彩表现力更加丰富,能够实现更强的色彩层次。例如三原色16级灰度,能显示的颜色就是16×16×16=4096色。不过目前的产品256级灰度已经非常地普遍了。所谓颜色或灰度级指黑原创 2022-03-23 10:23:46 · 123 阅读 · 0 评论 -
1 OpenVINO Lesson 1: Introduction, why do we need Artificial Intelligence (AI).
lesson onesummary:AI is our only way to manage the huge amount of data that will be gatheredby the “internet of things”• AI will change everything we do in the future and it’s probably the best wayto building a smart system• AI is a wide range of cap原创 2022-03-23 09:38:08 · 131 阅读 · 0 评论