共计 1424 个字符，预计需要花费 4 分钟才能阅读完成。
前言
上一篇博客给大家介绍了应用 opencv 加载 YOLOv5 的 onnx 模型，但咱们发现应用 CPU 进行推理检测的确有些慢，那难道在 CPU 上就不能欢快地进行物体辨认了吗？当然能够啦，这不 LabVIEW 和 OpenVINO 就来了嘛！明天就和大家一起看一下如何在 CPU 上也能感触丝滑的实时物体辨认。
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，用于疾速部署利用和解决方案，蕴含推断库，模型优化等等一系列与深度学习模型部署相干的性能。
特点：
- 在边缘启用基于 CNN 的深度学习推理
- 反对通过英特尔®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
- 通过易于应用的计算机视觉性能库和事后优化的内核放慢上市工夫
- 包含对计算机视觉规范（包含 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，能够思考思考 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并装置工具包：https://segmentfault.com/a/1190000042225535
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）抉择版本，抉择如下版本，并 DownLoad：
3）下载后，运行装置即可！
4）能够抉择装置门路，具体装置能够参考官网文档：https://docs.openvino.ai/cn/latest/openvino_docs_install_guides_installing_openvino_windows.html
三、模型获取
openvino 工作流程，和其余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能够应用 export.py 导出 openvino 模型：python export.py –weights yolov5s.pt –include openvino
当然这里曾经为大家转换好了模型，大家能够间接下载，下载链接：
四、LabVIEW+OpenVINO 调用 Yolov5 进行实时物体辨认
1、实现过程
- dnn 模块调用 IR 模型（模型优化器）
- 设置计算后盾与计算指标设施（推理引擎减速）
- 获取输入端的 LayerName
- 图像预处理
- 推理
- 后处理
- 绘制检测出的对象
2、程序源码
3、辨认后果
CPU 模式下，应用 openvino 进行推理减速，实时检测推理用时仅 95ms/frame，是之前加载速度的三分之一
留神：
- readNetFromModelOptimizer.vi 中 IR 模型 门路不能够蕴含中文
附加阐明：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
以上就是明天要给大家分享的内容。
如需源码，请关注微信公众号 VIRobotics, 回复关键词：yolov5_openvino。
如您想要探讨更多对于 LabVIEW 与人工智能技术，欢送退出咱们的技术交换群：705637299，进群请备注暗号：LabVIEW 机器学习
