深度学习之openvino预训练模型测试（车牌识别）

最新推荐文章于 2024-07-22 21:17:14 发布

宗而研之

最新推荐文章于 2024-07-22 21:17:14 发布

阅读量1.1w

点赞数 7

分类专栏： # 深度学习

本文为博主原创文章，未经博主允许不得转载。

本文链接：https://blog.csdn.net/zong596568821xp/article/details/117695265

版权

OpenVINO 深度学习模型转换车牌识别预训练模型

关键词由CSDN通过智能技术生成

深度学习专栏收录该内容

33 篇文章

订阅专栏

0 背景

在上一篇文章《深度学习之openvino预训练模型测试》，我们介绍了如何使用 intel 提供的预训练模型完成语义分割任务。但在用 public 预训练模型时，发现我的 openvino 版本较低不支持，因此，对我的 sdk 进行了升级，继续介绍如何使用预训练模型的方法。

升级安装方法参考《深度学习之win10安装配置openvino》，升级后的版本为 Version 2021.3。

1 模型介绍

这篇文章我们以 Optical Character Recognition Models / OCR 字符识别模型（车牌识别）模型为例，首先看看模型介绍

license-plate-recognition-barrier-0007 模型是一个较小规模的端到端的中文车牌识别模型，来识别道路中的中国车牌，示例如下（出于隐私保护目的，对车牌进行了裁剪处理）

模型参数如下

指标	值
平面内旋转（Rotation in-plane）	±10˚
平面外旋转（Rotation out-of-plane）	Yaw: ±45˚ / Pitch: ±45˚
最小宽度（Min plate width）	94 pixels
识别准确率（Ratio of correct reads）	98%
计算量（GFlops）	0.347
参数量（MParams）	1.435
训练框架（Source framework）	TensorFlow

注意，上述准确率指标只针对蓝牌，其它类型的车牌性能可能会差一些。

输入信息：

Image, name: data , shape: 1,3,24,94, format is 1,C,H,W where:

C - channel
H - height
W - width

Channel order is BGR.

输出信息：

Encoded vector of floats, name: decode, shape: 1,88,1,1. Each float is an integer number encoding a character according to this dictionary:

0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
10 <Anhui>
11 <Beijing>
12 <Chongqing>
13 <Fujian>
14 <Gansu>
15 <Guangdong>
16 <Guangxi>
17 <Guizhou>
18 <Hainan>
19 <Hebei>
20 <Heilongjiang>
21 <Henan>
22 <HongKong>
23 <Hubei>
24 <Hunan>
25 <InnerMongolia>
26 <Jiangsu>
27 <Jiangxi>
28 <Jilin>
29 <Liaoning>
30 <Macau>
31 <Ningxia>
32 <Qinghai>
33 <Shaanxi>
34 <Shandong>
35 <Shanghai>
36 <Shanxi>
37 <Sichuan>
38 <Tianjin>
39 <Tibet>
40 <Xinjiang>
41 <Yunnan>
42 <Zhejiang>
43 <police>
44 A
45 B
46 C
47 D
48 E
49 F
50 G
51 H
52 I
53 J
54 K
55 L
56 M
57 N
58 O
59 P
60 Q
61 R
62 S
63 T
64 U
65 V
66 W
67 X
68 Y
69 Z

2 模型转换

接下来我们下载该模型，方法和上一篇文章中提到的一样，这里不赘述，直接贴出下载过程

下载的模型是 tensorflow 格式的 ckpt 文件，我们需要做一个转换，满足 openvino 框架调用

转化方法是使用 downloader 路径下的 converter.py 文件，需要指定模型名称

运行指令 python .\converter.py --name license-plate-recognition-barrier-0007，转换成功显示如下，在对应的路径下生成 IR 模型，包含 xml 和 bin 文件

3 模型调用

同样的，在 sdk 里提供了模型调用的 demo，我们直接运行 build_demo_msvc.bat，可以一次性把所有的 demo 进行编译

方法如下

对于车牌识别功能来说，用到的项目是 security_barrier_camera_demo，生成的可执行文件为 C:\Users\ZONGXP\Documents\Intel\OpenVINO\omz_demos_build\intel64\Release\security_barrier_camera_demo.exe

查看使用说明，需要指定输入文件、车辆和车牌检测模型（-m）、车牌识别模型（-m_lpr）