因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection

踩了好多坑啊。。一言难尽

Step1:在树莓派上安装环境

首先安装openVINO工具包（最好不要在树莓派上装NCSDK..太坑了），详情见这篇文章(https://blog.csdn.net/qqqzmy/article/details/85213414)。

Step2:在windows中安装openVINO

我要先说明一下,因为树莓派中安装的openVINO是阉割版功能不全。所以为了实现tensorflow格式转换成movidius的格式，还得在windows上安装一遍openVINO。emmm，安装方法我就直接贴文章了吧(https://blog.csdn.net/qq_36556893/article/details/81385008)

Step3:将keras转换为tensorflow格式

因为NCS只支持转换tensorflow格式，而yolo-v3又是keras格式，所以还要转换一遍。不过还好在git上找到了大神写的代码（https://github.com/mystic123/tensorflow-yolo-v3）
1、git clone https://github.com/mystic123/tensorflow-yolo-v3
2、cd tensorflow-yolo-v3
3、下载yolo文件至当前文件夹coco.name(https://raw.githubusercontent.com/pjreddie/darknet/master/data/coco.names)yolo-v3.weight(wget https://pjreddie.com/media/files/yolov3.weights)
4、开始转换得到frozen_darknet_yolov3_model.pb用cmd运行python ./convert_weights.pypython ./convert_weights_pb.py
5（可选）、按照GitHub上的说明用pb文件运行一遍

Step4:将tensorflow转换为movidius格式（.xml & .bin）

打开openVINO的根目录,进入(这是我的路径)D:\Intel\computer_vision_sdk\deployment_tools\model_optimizer
1、进入目录\install_prerequisites，运行install_prerequisites_tf.bat文件
2、返回上一目录运行python mo_tf.py --input_model E:\tensorflow-yolo-v3\frozen_darknet_yolov3_model.pb --tensorflow_use_custom_operations_config D:\Intel\computer_vision_sdk\deployment_tools\model_optimizer\extensions\front\tf\yolo_v3.json --input_shape=[1,416,416,3]  --data_type=FP16（请自行替换文中路径）
得到.xml和.bin文件

Step5:在树莓派中部署

进入inference_engine_vpu_arm文件夹（就是树莓派中openVINO的根目录），打开/deployment_tools/inference_engine/samples/python_samples文件夹，找到object_detection_demo_yolov3.py文件然    cap.set(3,320)
cap.set(4,240)
cap.set(5,30)后，运行:python3 object_detection_demo_yolov3.py -m /home/pi/image-dec/yolo.xml -d MYRIAD -i cam
请自行替换xml文件目录（注意，xml和bin文件要在同一目录且同名），-i 后面可以接视频文件地址，我这里用cam就是摄像头实时传输。注意：如果你用的是usb摄像头且运行失败，用文本编辑打开该代码文件搜索cap，找到那一行往上看，有input_stream = 0 if args.input == "cam" else args.input，将“0”改为1再次运行，如果不行再改成2、3、4....不过一个NCS帧数着实有点低，建议自行搜索opencv代码改视频清晰度，反正我是在 cap = cv2.VideoCapture(input_stream)下面加了：
cap.set(3,320)
cap.set(4,240)
cap.set(5,30)

那么教程就到此为止了，我是小白，写文章有点混乱，见谅。不说了，先上个图（瞎JB拍的）：

因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection相关推荐

英特尔 ncs2_带有英特尔神经计算棒2 ncs2的图像分类管道
英特尔 ncs2 Introduction 介绍 What we'll cover in this story: 我们将在这个故事中介绍: Installing OpenVINO toolkit fo ...
【.pth模型转换为.onnx模型】模型转换英特尔神经计算棒树莓派
转换代码注意点:要根据你的代码进行修改,修改最初的包等 import torch from models.with_mobilenet import PoseEstimationWithMobile ...
树莓派3B+神经计算棒实时人脸追踪机器眼
Pan/tilt face tracking with a Raspberry Pi + NCS [Github 原文档] @Bobby Chen 记得留下小星星 This project using ...
英特尔AIDC2018：神经计算棒二代从天而降，软硬生态合作圈尽露锋芒
允中发自国贸大酒店量子位报道 | 公众号 QbitAI 浩浩荡荡开了一天半的英特尔人工智能大会(AIDC 2018)刚刚结束.在国贸大酒店三层的大宴会厅里,俨然有地主姿态的英特尔在几场演讲中秀 ...
Movidus 神经计算棒树莓派平台 ncsdk2.0 完全配置及一些问题
配置之前的琐事和解决方法之前配置了的1.x版本的ncsdk.错误百出,于是有了另一篇文章就是纯API配置,没有配完全版. 经过我的测试,用以下方法配置是可以用的.配置方法和下面的2.0类似,不过有可 ...
玩转树莓派之配置openvino进行神经计算棒2加速
树莓派4B + openvino 换源参考链接一. 安装opencv 二. 安装openvino 三. 添加USB规则四. 运行示例换源参考链接一. 安装opencv 参考第三个下载安装的方式 ...
北京 | 免费高效训练及OpenVINO™加速推理深度学习实战，送Intel神经计算棒二代...
当今人工智能时代,深度学习极大得促进了计算机视觉技术的快速应用和成熟,也是算法工程师们必须掌握的一项技能,然而,不同环境的依赖部署,高算力的需求,海量数据量需求及算法应用高硬件成本也让深度学习陷入了规 ...
基于深度学习的目标检测（object detection）—— rcnn、fast-rcnn、faster-rcnn、SSD、YOLO
模型和方法: 在深度学习求解目标检测问题之前的主流 detection 方法是,DPM(Deformable parts models), 度量与评价: mAP:mean Average Precis ...
树莓派使用神经计算棒1代的准备(Tensorflow)
硬件:树莓派3B+.神经计算棒1代步骤: 1.ncsdk的安装在树莓派连网的情况下,在终端输入 git clone http://github.com/Movidius/ncsdk &&a ...

因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection

因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection

Step1:在树莓派上安装环境

Step2:在windows中安装openVINO

Step3:将keras转换为tensorflow格式

Step4:将tensorflow转换为movidius格式（.xml & .bin）

Step5:在树莓派中部署

因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection相关推荐

最新文章

热门文章