前言
上一篇博客给大家介绍了使用opencv加载YOLOv5的onnx模型,但我们发现使用CPU进行推理检测确实有些慢,那难道在CPU上就不能愉快地进行物体识别了吗?当然可以啦,这不LabVIEW和OpenVINO就来了嘛!今天就和大家一起看一下如何在CPU上也能感受丝滑的实时物体识别。
一、OpenVINO是什么
OpenVINO是英特尔针对自家硬件平台开发的一套深度学习工具库,用于快速部署应用和解决方案,包含推断库,模型优化等等一系列与深度学习模型部署相关的功能。
特点:
-
在边缘启用基于CNN的深度学习推理
-
支持通过英特尔®Movidius™VPU在英特尔®CPU,英特尔®集成显卡,英特尔®神经计算棒2和英特尔®视觉加速器设计之间进行异构执行
-
通过易于使用的计算机视觉功能库和预先优化的内核加快上市时间
-
包括对计算机视觉标准(包括OpenCV *和OpenCL™)的优化调用
-
通俗易懂点说想要在intel-cpu或者嵌入式上部署深度学习模型,可以考虑考虑openvino
二、LabVIEW视觉工具包下载与配置
1、视觉工具包的下载安装
可在如下链接中下载并安装工具包:https://www.cnblogs.com/virobotics/p/16527821.html
2、OpenVINO toolkit下载安装
下载地址:英特尔® Distribution of OpenVINO™ 工具套件 1)点击Dev Tools
2)选择版本,选择如下版本,并DownLoad:
3)下载后,运行安装即可!
4)可以选择安装路径,具体安装可以参考官方文档:https://docs.openvino.ai/cn/latest/openvino_docs_install_guides_installing_openvino_windows.html
三、模型获取
openvino工作流程,和其他的部署工具都差不多,训练好模型,解析成openvino专用的.xml和.bin,随后传入Inference Engine中进行推理。这里和上一篇博客一样可以使用export.py导出openvino模型:python export.py --weights yolov5s.pt --include openvino 当然这里已经为大家转换好了模型,大家可以直接下载,下载链接:YOLOv5 OpenVINO IR模型
四、LabVIEW+OpenVINO调用Yolov5进行实时物体识别
1、实现过程
-
dnn模块调用IR模型(模型优化器)
-
设置计算后台与计算目标设备(推理引擎加速)
-
获取输出端的LayerName
-
图像预处理
-
推理
-
后处理
-
绘制检测出的对象
2、程序源码
3、识别结果
CPU模式下,使用openvino进行推理加速,实时检测推理用时仅95ms/frame,是之前加载速度的三分之一
注意:readNetFromModelOptimizer.vi中IR模型路径不可以包含中文
附加说明:计算机环境
-
操作系统:Windows10
-
python:3.6及以上
-
LabVIEW:2018及以上 64位版本
-
视觉工具包:techforce_lib_opencv_cpu-1.0.0.73.vip
-
OpenVINO:2021.4.2
总结
以上就是今天要给大家分享的内容。
如需源码,请关注微信公众号VIRobotics,回复关键词:yolov5_openvino。
如您想要探讨更多关于LabVIEW与人工智能技术,欢迎加入我们的技术交流群:705637299,进群请备注暗号:LabVIEW机器学习
标签:YOLOv5,模型,上飞,openvino,LabVIEW,OpenVINO,CPU From: https://www.cnblogs.com/virobotics/p/16802248.html