![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
openvino案例分析
文章平均质量分 89
破浪会有时
乘风破浪会有时,直挂云帆济沧海
展开
-
openvino系列 19. OpenVINO 与 PaddleOCR 实现视频实时OCR处理
此案例展示了如何在`OpenVINO`上本地实时视频流运行`PPOCR`模型。 无需将`PaddlePaddle`模型导出到 ONNX,然后通过 OpenVINO 模型优化器转换为中间表示 (IR) 格式,我们现在可以直接从 PaddlePaddle 模型中读取。...原创 2022-06-20 17:05:37 · 1253 阅读 · 2 评论 -
openvino系列 18. 通过OpenVINO和OpenCV实现实时的物体识别(RTSP,USB视频读取以及视频文件读取)
将OpenVINO的 SSDLite MobileNetV2 物体识别算法在视频流中进行推理。另外,如何通过多线程的方式进行视频读取,以及视频分析。原创 2022-06-19 10:56:52 · 1647 阅读 · 0 评论 -
openvino系列 17. OpenVINO Preprocessing API 案例,以及与OpenCV的预处理对比
介绍OpenVINO Preprocessing API,并与OpenCV的预处理结果做对比。- 读取 ONNX 迁移学习模型- 将 ONNX 模型转化为 IR 中间件- 通过 OpenCV 导入图片,并进行预处理,最终模型推理。计算模型的FPS以及精度;- 通过`benchmark_app`指令查看此IR模型的性能;- 通过 OpenVINO Preprocessing API 将预处理步骤集成并保存到 IR 中;- 对比 OpenVINO 预处理以及 OpenCV 预处理结果,包括速度和精度原创 2022-05-15 13:41:32 · 1440 阅读 · 2 评论 -
openvino系列 16. OpenVINO 手写字体识别 OCR
我们对手写中文(简体)和日语进行OCR识别。该模型一次只能处理一行符号。原创 2022-05-14 11:07:34 · 1248 阅读 · 0 评论 -
openvino系列 15. OpenVINO OCR
此案例主要解释如何使用 OpenVINO OCR 模型进行字体检测(detection)和识别(recognition)。- 字体检测(detection)任务对应模型:[horizontal-text-detection-0001]- 字体识别(recognition)任务对应模型:[text-recognition-0014]原创 2022-05-13 23:02:09 · 981 阅读 · 1 评论 -
openvino系列 14. GMCNN 图像修复
GMCNN 图像修复案例:1. 下载模型`gmcnn-places2-tf`以及中间件`IR`转换;2. 加载`IR`模型;3. 导入测试图片,新建mask,两者合成为mask测试图片;4. 调整mask以及mask测试图片大小,使之与模型输入大小匹配;5. 模型推理,显示结果。原创 2022-05-12 09:25:24 · 1109 阅读 · 0 评论 -
openvino系列 13. 使用 OpenVINO 多模型级联使用:车辆检测与识别示例
此案例演示如何使用 [Open Model Zoo]中的两个预训练模型:[vehicle-detection-0202]用于图像分类。 使用这些模型,我们将从原始图像中检测车辆并识别检测到的车辆的属性(颜色与种类)。原创 2022-05-04 14:50:13 · 2991 阅读 · 0 评论 -
openvino系列 12. Model Optimizer:PaddlePaddle 模型转化 IR 模型
本案例展示了如何将 MobileNetV3 模型从PaddleHub加载到本地,最终转换为 OpenVINO IR 模型。我们还展示了如何使用 OpenVINO 的 推理引擎对样本图像执行分类推理,并比较 PaddlePaddle 模型与 IR 模型。原创 2022-05-03 00:45:00 · 1100 阅读 · 0 评论 -
openvino系列 11. Model Optimizer:PyTorch pt 模型与 ONNX 模型转化 IR 模型案例
openvino系列 11. PyTorch pt 模型与 ONNX 模型转化 IR 模型本章节将介绍 OpenVINO Model Optimizer 模块,以及如何将PyTorch pt 模型与 ONNX 模型 模型转化为 IR 模型。文章目录openvino系列 11. PyTorch pt 模型与 ONNX 模型转化 IR 模型1 Model Optimizer 介绍2 PyTorch `pt` 模型与 ONNX 模型转化 IR 模型2.1 关于模型2.2 模型转化3.2 模型转化2.3 结果原创 2022-05-02 01:00:00 · 2024 阅读 · 0 评论 -
openvino系列 10. Model Optimizer:TensorFlow pb 模型转化 IR 模型
介绍 OpenVINO Model Optimizer 模块,以及如何将TensorFlow pb 模型转化为 IR 模型(`mo --input_model <INPUT_MODEL>.pb`)。原创 2022-05-02 04:45:00 · 2214 阅读 · 1 评论 -
openvino系列 9. 训练后优化工具 Post-training Optimization Tool (POT) Simplified Mode 案例
本章节介绍英特尔 OpenVINO Post-training Optimization Tool 使用简化模式(Simplified Mode)进行低精度优化(Low Precision Optimization)的案例。原创 2022-05-01 09:30:00 · 677 阅读 · 1 评论 -
openvino系列 8. 训练后优化工具 Post-training Optimization Tool (POT) 在物体识别模型中的使用
OpenVINO Post-training Optimization Tool 在物体识别模型量化/优化的一个案例。 POT API 实现自定义优化/量化模型的流程大致如下:- 导入IR全精度模型。- `DataLoader`(`DetectionDataLoader`类)模块自定义。- `Metric`(`MAPMetric`类)模块自定义。- `Engine`模块自定义:此模块负责模型推理。- 组建并运行管道(`Pipeline`)。原创 2022-04-30 15:00:00 · 789 阅读 · 0 评论 -
openvino系列 7. 单目深度估算,输入为视频
本案例演示在 OpenVINO 中使用 MidasNet 进行单目深度估计,输入视频情况。原创 2022-04-29 15:00:00 · 1075 阅读 · 1 评论 -
openvino系列 6. 单目深度估算,输入为图片
本案例演示在 OpenVINO 中使用 MidasNet 进行单目深度估计,输入图片情况。原创 2022-04-29 12:30:00 · 793 阅读 · 0 评论 -
openvino系列 5. 物体识别基本案例
基本的物体识别的例子,基本遵循下面三个步骤:- 首先,我们需要读取模型(`ie.read_model`)并且编译(`ie.compile_model`);- 第二步,我们读取图片,并且reshape其大小以符合模型的输入;- 第三部,模型推理(`compiled_model([input_image])[output_layer_ir]`)。得到的结果的尺寸和模型的输出尺寸相符。原创 2022-04-28 13:00:00 · 844 阅读 · 0 评论 -
openvino系列 4. 图像分割基本案例
基本的图像分割的例子,遵循下面三个步骤:首先,我们需要读取模型(ie.read_model)并且编译(ie.compile_model);第二步,我们读取图片,并且reshape其大小以符合模型的输入;第三部,模型推理(compiled_model([input_image])[output_layer_ir])。得到的结果的尺寸和模型的输出尺寸相符。原创 2022-04-28 14:15:00 · 839 阅读 · 1 评论 -
openvino系列 3. 缓存模型(仅适用于GPU)
对于某些设备,例如 GPU,加载模型可能需要一些时间。 openvino通过将模型缓存在缓存目录中来解决此问题。原创 2022-04-27 18:30:00 · 1005 阅读 · 6 评论 -
openvino系列 2. 修改模型的输入尺寸
除了修改图像大小以适应模型,openvino还支持修改模型输入尺寸以适应图像。原创 2022-04-27 14:15:00 · 873 阅读 · 0 评论 -
openvino系列 1. 模型加载与推理
模型加载与推理,含代码链接。原创 2022-04-26 16:12:55 · 5786 阅读 · 4 评论 -
openvino系列 0. 工作流介绍以及运行
openvino工作流介绍,包括:1. 训练(`Train`),模型优化器(`Model Optimizer`),推理引擎(`Inference Engine`),部署(`Deployment`)。原创 2022-04-26 16:03:12 · 470 阅读 · 0 评论