使用Intel Open Model Zoo的OpenVINO预训练模型
目录
- 介绍
- 使用开拓者 5G Expo
- 运行例子
- 结论
1. 介绍
欢迎来到 Intel Korea 的文章!今天我们将使用 Intel 提供的 OpenVINO Toolkit 中的 OpenVINO Model Downloader 来进行实验,使用已经训练好的 Pre-Trained Reinssance(Pritzleb)模型进行推断。我们将输入图片或视频到样例推断代码中并进行推断。首先,让我们来选择一个适合我们的预训练模型,并通过模型下载器将模型下载到正确的路径。让我们开始!
2. 使用开拓者 5G Expo
2.1 选择预训练模型
在 Intel 5G Exposed Kids 中,有许多预训练模型可供选择。在这里,我们需要选择适合我们使用的模型。请点击以下链接,了解各种模型的详细描述,并选择适合我们需要的模型。
根据我们的实验要求,选择相应的模型。在本次实验中,我们将选择 Gaugestermation Model,并进行演示。
2.2 下载并转换模型
一旦我们选择了模型,现在我们需要通过模型下载器将 Pre-Trained Models 下载到适当的格式。您可以在 Intel 的 Open Model Zoo 上找到预训练模型列表。在 Open Model Zoo 中下载的模型可以在 GitHub 仓库 中找到。示例推理代码需要指定模型路径,因此请记下下载路径以备后用。
我们已经准备好我们的模型,下一步是下载并转换它们。为此,我们将使用模型下载器,该工具是一个 Python 文件并位于 home/intel/openvino_model_downloader
中。进入下载器所在的目录,并运行以下命令,一次下载一个模型:
python model_downloader.py --name gauge_stem.xml
此命令将下载所需的模型文件并将其转换成正确的格式,如 fp16 或 fp32。您可以运行 ls
命令来确认下载是否完成:
ls -hl home/intel/open_models/gauge_stem
现在,所有下载的模型均已就绪,并储存在 home/intel/open_models
中。运行以下命令以验证所有模型都已下载成功:
ls home/intel/open_models
3. 运行例子
3.1 准备输入数据
首先,我们需要准备输入数据。在下面的示例代码中,我们将使用摄像头捕捉的图像。如果您没有摄像头,可以使用示例图像或将其他图像文件放置在 /home/intel/open_models
目录下。
3.2 运行样例推理代码
我们已经为模型下载完成,现在我们准备进行 Gauge Stem Model 的演示。通过导航到 gauge_stem
目录并运行以下命令启动演示:
python gauge_stem_demo.py
通过按键盘上的不同按钮,您可以浏览不同的模型演示,例如按下 'b' 键显示 Face Vector,按下 'l' 键显示 Head Pose Vector,按下 'v' 键显示 Facial Landmarks,等等。您可以使用键盘自由切换各个模型进行观察。按下 'n' 键以退出全屏模式,按下 'q' 键退出演示模式。
请将脸部正确对准摄像头,以便实时观察模型的演示。请注意,这些模型可以实时检测特定的动作或特征。如果您觉得眼睛或闭眼等功能出现问题,可以亲自面对镜头观察模型的效果以获取更好的结果。
4. 结论
通过使用 Intel OpenVINO Toolkit 和 Pre-Trained Reinssance 模型,我们成功地进行了推断演示。我们选择了适合我们需要的模型,并使用模型下载器将其成功下载并转换。随后,我们运行了相应的推理代码来演示模型的效果。通过按键盘上的不同按钮,我们能够查看不同模型的效果。总体而言,这些模型为我们提供了一种实时检测特定功能或特征的方式。
我们希望本文对您有所帮助。谢谢!
Highlights
- 使用 Intel OpenVINO Toolkit 进行推断演示
- 选择适合需求的预训练模型
- 下载和转换模型文件
- 运行示例推理代码
- 使用键盘按钮切换模型视图
FAQ
问:如何选择适合我的需求的模型?
答:可以参考 Intel 5G Expo 上提供的各种模型说明,选择与需求相符的模型。
问:如何检查下载的模型是否正确?
答:您可以使用 ls
命令查看下载的模型是否在指定目录中。
问:如何退出演示模式?
答:按下 'q' 键即可退出演示模式。
问:我可以使用示例图像替代摄像头输入吗?
答:是的,您可以将示例图像放置在指定目录中,并在演示模式下使用。
问:模型的推断速度如何?
答:模型的推断速度取决于硬件设备。Intel OpenVINO Toolkit 可以优化推断速度,以获得更快的结果。
问:这些模型适用于什么类型的应用程序?
答:这些模型适用于各种应用程序,如人脸识别、姿势检测、对象检测等。
问:如何获取更多关于这些模型的信息?
答:您可以参考 Intel 的 Open Model Zoo 和 GitHub 仓库,以获取有关模型的更多详细信息和资源。
资源: