三、OpenVINO实战：图像分类

原创 已于 2022-07-19 12:25:51 修改 · 481 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#openvino #caffe #人工智能

于 2022-07-19 12:22:44 首次发布
本文详细介绍了如何利用OpenVINO工具包进行图像分类任务。首先，通过运行setupvars.bat初始化环境。接着，使用模型下载器下载squeezenet1.1模型，并解决可能出现的网络问题。然后，通过模型优化器将模型转换为IR文件。最后，使用提供的Python示例进行图像分类，指定输入图像、模型、标签文件和设备，得到分类结果。

三、OpenVINO实战：图像分类

任务流程

  1. 终端初始化OpenVINO环境

    进入OpenVINO安装目录，找到 setupvars.bat 文件并运行，结果如下图所示，即初始化成功。

    在这里插入图片描述

  2. 模型获取与转换

    • 调用模型下载器并通过 –print_all 查看可供下载的模型

      在这里插入图片描述

    • 通过 –name 选择squeezenet1.1 模型进行下载，结果如下图所示

      • 在下载时若出现 [Error 11004] getaddrinfo failed 提示，原因在于host地址被墙，将地址 raw.githubusercontent.com 添加到host文件中即可。
      • 可在 –name 后添加 –output_dir 指定下载路径

最低0.47元/天 解锁文章
【OpenVino】从入门到实战篇（二）Ubuntu18.04+Windows 10双系统环境配置与坑解决
cv君的博客
08-18 1万+
文章目录一 Openvino介绍二 Ubuntu 18.04 安装 Vino三 Windows 安装 Vino一.环境要求二.安装四 解决安装的错误，踩坑日记一 安装好后python找不到vino二 其他坑五 深度学习算法交流群与数据开源 一 Openvino介绍 参见我的这篇博客 OpenVINO是英特尔基于自身现有的硬件平台开发的一种可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件，支持各种英特尔平台的硬件加速器上进行深度学习，并且允许直接异构执行。 支持在Windows与Linux系统
pytorch导出 openvino 实战笔记
jacke121的专栏
06-06 1522
pytorch导出 openvino 实战笔记
使用openvino的python接口对分类网络进行量化
JachinMa的博客
06-03 827
单个cpu推断 #!/usr/bin/env python """ Copyright (C) 2018-2020 Intel Corporation Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at
OpenVINO【图像分类】
qq_48715321的博客
11-16 2536
基于openvino的图像分类 # -*- coding: utf-8 -*- """ Created on Tue Nov 16 01:38:44 2021 @MysteriousKnight: 23608 @Email: xingchenziyi@163.com """ from openvino.inference_engine import IECore import numpy as np import time import cv2 as cv ie = IECore() dev
OpenVINO主要工作流程
weixin_42730667的博客
08-15 2157
OpenVIVO主要工作流程如下图： 主要流程如下： 1：根据自己的训练模型需要配置Mode Optimizer. 2: 根据设置的模型参数运行Model Optimizer,生成相对应的IR(主要是xml和bin) xml-主要用来描述网络拓扑结构 bin-包括生成的weights and biases 二进制数据 3: 在实际应用场景种使用Infe...
OpenVINO 2022.3实战三：POT API实现图像分类模型 INT8 量化
mingo_敏
05-23 912
这里使用我其他项目里面，使用 hymenoptera 数据集训练好的 MobileNetV2 模型，加载pytorch模型，并转换为onnx。
YOLOv8与OpenVINO推理实战：分类、检测、分割及姿势模型
资源摘要信息: "YOLOv8分类、对象检测、实例分割、姿势模型OpenVINO推理样本（源码+数据）.rar" 这份资源为对计算机视觉和深度学习领域感兴趣的开发者提供了一套完整的工具和数据集，涵盖了YOLOv8模型在分类、对象...
openvino部署-使用openvino+csharp部署pp-human-项目实战
最新发布
10-20
在“openvino部署-使用openvino+csharp部署pp-human-项目实战”这一主题中，我们将探讨如何将PP-Human人体检测算法与OpenVINO工具包结合，并通过C#编程语言实现项目实战。项目实战通常包括以下几个步骤： 1. 环境...
OpenVINO 2022.3之七：OpenVINO 预处理API提升模型推理性能
mingo_敏
05-08 1489
如果没有预处理API，那么输入数据的预处理操作只能放在CPU上实现，CPU完成数据预处理后，再将预处理后的数据传给iGPU、VPU等AI加速计算设备进行推理计算。有了预处理API后，就能将预处理操作集成到在模型执行图中，这样iGPU、VPU 或即将发布的Intel独立显卡都能进行数据预处理，无需依赖CPU，提高了执行效率。改变输入数据的形状：[720, 1280,3] → [1, 3, 640, 640]改变输入数据的布局(layout)：HWC → NCHW。改变输入数据的精度：U8 → f32。
【图像分类】基于OpenVINO实现PyTorch ResNet50图像分类
virobotics的博客
05-30 4619
前面博文给大家介绍了OpenVINO工具包及具体的安装，今天我们一起来看一下，如何使用LabVIEW OpenVINO工具包实现resnet50的推理部署
基于飞桨与OpenVINO 的智能机器人开发实践 | 开发者实战
英特尔开发人员专区
05-25 3466
谈到机器人，我们首先要知道什么是机器人 这是从百度百科截取的我国科学家对于机器人的定义 机器人是一种自动化的机器，这种机器人具备一些人或生物相似的智能能力，如感知能力、规划能力、动作能力、协同能力、是一种具有高度灵活性的自动化机器。感知就是如同人一样看到什么、听到什么、摸到什么、能够感知获取当前自我状态。理解决策是基于感知数据能够实现自我定位，识别，规划，最终控制运动执行，或走或停；机械臂动作或抓取或释放，控制显示器显示或发出声音等等。 ●●●●●●● 我们可以把机...
【python】利用opencv+openvino实现人脸检测和表情识别
通过图灵测试的人类的博客_优快云_PYTHON_DeepLearning_数据挖掘
05-24 2694
利用opencv中训练好的模型来识别人脸 利用openvino中的预训练的模型来检测表情 最后整合起来，实现在视频流中检测表情变化或者照片中的人脸表情
openvino系列 5. 物体识别基本案例
破浪会有时的博客
04-28 1069
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。
openvino系列 0. 工作流介绍以及运行
破浪会有时的博客
04-26 604
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`）。
OpenVINO计算机视觉模型加速 实战教程
11-09
详细介绍了OpenVINO整体架构、基本组件、核心组件DLDT与IE的使用，OpenVINO对模型加速执行推断的开发流程与步骤、相关SDK API函数如何在C++与Python环境下进行API调用，如何使用预训练模型快速开发图像分类、对象检测、语义分割、实例分割、车牌识别、行人检测、场景文字检测与识别、YOLOv5模型部署加速与推理、表情识别与landmark提取等高实时视频分析程序，使用模型优化器进行模型压缩转换与优化等OpenVINO核心技术演示与代码教学。一步一步教你构建CPU级别可实时的深度学习模型应用程序。部分演示程序截图如下（均基于CPU达到实时帧率，基于OpenVINO2021.02版本录制）：
在caffe上跑自己的数据
热门推荐
u012878523的专栏
12-03 3万+
本文介绍如何使用caffe对自己的图像数据进行分类。 1 数据库准备 由于图片数据收集比较费时，为了简单说明，我用了两类，dog和bird，每种约300张。train200张，val100张。
Raspberry系统管理 —— 安装和配置OpenVINO
老程的技术笔记
05-21 1257
OpenVINO (Open Visual Inference and Neural Network Optimization) 是一个用于视觉推理和神经网络优化的工具包。它是一个开源的软件平台，可以用于加速神经网络的推理过程。OpenVINO可以在 CPU、GPU、VPU 和 FPGA 等多种硬件平台上运行，可以用于视频分析、计算机视觉和自然语言处理等领域。它可以帮助开发人员在不同的平台上有效地部署神经网络应用程序，从而提高模型的性能和效率。如何安装配置OpenVINO。
【详解】计算机视觉之图像分类
LeeZhao的博客
06-24 3920
图像分类 1 定义 从给定的类别集合中为图像分配对应标签的任务 2 常用数据集 2.1 mnist数据集 该数据集是手写数字0-9的集合，共有60k训练图像、10k测试图像、10个类别、图像大小28×28×1.我们可以通过tf.keras直接加载该数据集： from tensorflow.keras.datasets import mnist # 加载mnist数据集 (train_images, train_labels), (test_images, test_labels) = mnist.load_
C++-OpenCV(10)-DNN-图像分类
aggie4628的专栏
04-22 1444
图像分类：给一张图像，和配置文件，这张图像的类型在配置文件中定义，根据这些条件，给出这张图像的分类。 可以用DNN实现。不过DNN不支持训练只支持推理(推理：前向反馈；训练，反向传播。训练用Caffe Tensorflow Torch Darknet)。 DNN的使用非常简单，就4步，如下图所示： 代码如下： void main() { //读取模型、配置、图像、分类文件 //googlenet 基于ImageNet数据集训练，支持1000个类别的数据分类 string protoF.
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

Aaaaaki

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

实付元
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