【OpenVINO】C#调用OpenVINO部署Al模型项目开发-3.模型介绍

3.1 模型种类与下载方式

  为了测试该项目，我们提供并整合了训练好的Paddlepaddle模型，主要针对PaddleClas以及PaddleDetection现有的模型，提供了PaddleClas下的花卉分类模型以及PaddleDetection中的Vehicle Detection模型，并针对该模型，提供了pdmodel、onnx以及IR格式。
  该项目所使用的测试模型以及数据集，均可以在本文下的github以及gitee上下载。

3.2 PaddleDetection模型

  PaddleDetection为飞桨PaddlePaddle的端到端目标检测套件，提供多种主流目标检测、实例分割、跟踪、关键点检测算法，配置化的网络模块组件、数据增强策略、损失函数等。该项目在此处主要使用的为PaddleDetection应用中的目标检测功能，使用的网络为YOLOv3网络，表1- 1 给出了YOLOv3网络输出与输入的相关信息。

  本次测试使用的为PaddleDetection中Vehicle Detection模型，我们可以在PaddleDetection gitee上下载。该模型输入图片要求为3×608×608大小，输出为预测框信息，其信息组成为[class_id, score, x1, y1, x2, y2]，分别代表分类编号、分类得分以及预测框对角顶点坐标。

3.3 PaddleClas 模型

  飞桨图像识别套件PaddleClas是飞桨为工业界和学术界提供的的一个图像识别任务的工具集，该模型经过数据集训练，可以识别多种物品。在该项目中，我们使用flower数据集，使用ResNet50网络训练识别102种花卉，关于该模型的输入与输出节点信息如表1-2所示.

  花卉训练模型要求图片输入为3×224×224大小，输出结果为102中预测结果概率。