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OpenVINO版工具包: 基于LabVIEW可使用opencv DNN模块调用的深度学习工具包
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:
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
如需源码,请关注微信公众号VIRobotics,回复关键词:yolov5_openvino。
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:
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
如果文章对你有帮助,欢迎✌关注、
审核编辑 黄宇
-
cpu
+关注
关注
68文章
10858浏览量
211643 -
LabVIEW
+关注
关注
1970文章
3654浏览量
323408 -
深度学习
+关注
关注
73文章
5502浏览量
121124
发布评论请先 登录
相关推荐
评论