用树莓派4b构建深度学习应用(九)Yolo篇

前言

上一篇我们在树莓派上安装了OpenVINO的环境,并跑了几个官方demo,作为关键点的模型转换工作,以各个版本的yolo实现为例,在这篇做一下实现。

目标检测是人工智能应用比较成熟的领域,不仅要能够识别出图片的目标,还要定位其位置,在自动驾驶方面会是一个基础的场景。一般分为两大类别,一类是two-stage的,基于R-CNN,Fast R-CNN, Faster R-CNN等等,先生成待选框(Region Proposal),再进行分类获取类别,回归获取位置;另一类就是Yolo,SSD这种one-stage算法,直接用CNN网络获取目标和位置。

相对来说,R-CNN系的精度更高,但速度慢,Yolo系的则速度快,准确率低些。在很多CV领域里,只要保证分类的准确率,检测速度比定位精度重要的多,而one-stage的模型部署有着天然的优势,极大的减轻算力有限的边缘设备的计算压力。

Yolo则是目标检测类优化速度的代表,而转换为Openvino后,速度还能更进一步。这篇主要介绍两种主流框架 Tensorflow 和 Pytorch 的模型转换到 Openvino的方法。

首先,Tensorflow 模型的转化流程是,先换将权重文件.weight 转换成静态图 .pb文件,再转化成 IR 模型的 .bin 和 .xml,最后部署到神经棒运行。我们先来跑一个yolov4-tiny的应用来体验一下。

Yolov4 应用

 1   下载源码

git clone https://github.com/TNTWEN/OpenVINO-YOLOV4.git
cd OpenVINO-YOLOV4

 2   将 weight --> pb

下载 yolov4.weight 和  yolov4-tiny.weight 放入该目录下

python convert_weights_pb.py --class_names cfg/coco.names --weights_file yolov4-tiny.weights --data_format NHWC --tiny

目录下有输出 frozen_darknet_yolov4_model.pb 就转化成功了。

✎ Tip 

其中必须指定数据格式为NHWC,以匹配 intel NCS2 上对应的格式。

✎ Tip 

如遇到有 ‘cloud’ 导入错误的信息,那是由于编译 TF 时开启了  --nogcp 标志,导致 tensorflow/contrib/cloud 没有被加入 pip 的安装包。这里只要将 __init__ 里的两行代码注释掉即可修复这个bug了。其中必须指定数据格式为NHWC,所以这里需要 reverse_input_channels 翻转一下对应的输入通道。

/home/pi/my_envs/tensorflow/lib/python3.7/site-packages/tensorflow/contrib/__init__.py

 3   初始化openvino环境

要在Windows 或 linux主机上做转换,需要安装 OpenVINO 开发工具套件。

"C:\Program Files (x86)\IntelSWTools\openvino\bin\setupvars.bat"

 4

  • 20
    点赞
  • 148
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 15
    评论
深度学习物体检测是计算机视觉领域的一个重要问题,它的目标是在给定的图像中准确地识别出各种不同的物体。而YOLO(You Only Look Once)是一种流行的深度学习物体检测算法。 YOLO算法通过将物体检测任务转化为一个回归问题来高效地进行物体检测。它将图像分割为较小的网格,每个网格预测出若干个边界框和类别概率。每个边界框定义了一个物体的位置和大小,而类别概率则表示了这个物体属于各个类别的概率。 相比于传统的物体检测算法,YOLO具有更快的检测速度和更高的准确率。它的优势在于一次性处理整张图像,避免了传统方法中的多次前向传播。因此,YOLO可以在实时性要求较高的场景中得到广泛应用,如自动驾驶、视频监控等。 《深度学习物体检测YOLO电子书》是一本介绍YOLO算法原理、应用和优化技巧的电子书。它详细解释了YOLO算法的核心思想,包括网络结构、损失函数和训练方法等。此外,电子书还提供了大量实例和代码实现,方便读者快速入门和掌握YOLO算法。 通过学习这本电子书,读者可以深入了解YOLO算法在物体检测任务中的优势和挑战。他们将学会如何构建和训练一个YOLO模型,如何优化算法以提升检测准确率和速度,以及如何在不同应用场景中应用YOLO算法。 总的来说,《深度学习物体检测YOLO电子书》是一本很有价值的学习资料,对于对深度学习和物体检测感兴趣的读者来说,它将成为他们掌握YOLO算法的重要参考。
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

bluishfish

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
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