关于人工智能:LabVIEWOpenVINO在CPU上部署新冠肺炎检测模型实战

37次阅读

共计 2039 个字符,预计需要花费 6 分钟才能阅读完成。

前言

之前博客:【YOLOv5】LabVIEW+OpenVINO 让你的 YOLOv5 在 CPU 上飞起来给大家介绍了在 LabVIEW 上应用 openvino 减速推理,在 CPU 上也能感触丝滑的实时物体辨认。那咱们明天就一起来看一下如何应用 LabVIEW+OpenVINO 在 CPU 上部署新冠肺炎 CT 图像病害宰割,本次实战模型次要是来自大佬:翼达口香糖,博客:https://blog.csdn.net/weixin_…

一、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!(倡议装置到默认门路)

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

5)装置实现后,请记得配置环境变量,即在电脑的环境变量 –> 零碎变量 –>path 种增加如下变量

二、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。本实战中的模型来自:https://blog.csdn.net/weixin_…,你能够在这里下载到模型:下载模型链接

三、语义宰割之 Unet

1、语义宰割在医疗影像上的利用

随着人工智能的崛起,将神经网络与医疗诊断联合也成为钻研热点,智能医疗钻研逐步成熟。在智能医疗畛域,语义宰割次要利用于肿瘤图像宰割,龋齿诊断等。(下图别离是龋齿诊断,头部 CT 扫描紧急护理诊断辅助和肺癌诊断辅助)

2、Unet 简介

U-Net 起源于医疗图像宰割,整个网络是规范的 encoder-decoder 网络,特点是参数少,计算快,应用性强,对于个别场景适应度很高。原始 U -Net 的构造如右图所示,因为网络整体构造相似于大写的英文字母 U,故得名 U -net。左侧可视为一个编码器,右侧可视为一个解码器。编码器有四个子模块,每个子模块蕴含两个卷积层,每个子模块之后通过 max pool 进行下采样。因为卷积应用的是 valid 模式,故理论输入比输出图像小一些。具体来说,后一个子模块的分辨率 =(前一个子模块的分辨率 -4)/2。U-Net 应用了 Overlap-tile 策略用于补全输出图像的高低信息,使得任意大小的输出图像都可取得无缝宰割。同样解码器也蕴含四个子模块,分辨率通过上采样操作顺次回升,直到与输出图像的分辨率基本一致。该网络还应用了跳跃连贯,以拼接的形式将解码器和编码器中雷同分辨率的 feature map 进行特色交融,帮忙解码器更好地复原指标的细节。

四、LabVIEW+OpenVINO 在 CPU 上部署新冠肺炎检测模型(covid_main.vi)

运行本我的项目,请务必装置新版工具包及 OpenVINO toolkit,否则会报错无奈运行

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)
  • 读取待检测的影像图片
  • 图像预处理(blobFromImage)
  • 推理
  • 后处理
  • 绘制宰割出的感化区域
  • 增加 logo 和题目,并将其保留为 MP4
  • 后处理中
  • 先将 mat reshape 成 512*512
  • 进行二值化阈值解决
  • 寻找轮廓
  • 绘制轮廓
  • 在指定中央绘制 logo
  • 将其在前面板显示并保留为 MP4,保留为 MP4 之前记得进行色彩空间转换。

2、程序源码

3、推理运行

请将下载的我的项目放在不蕴含中文的门路下,关上 covid_main.vi,批改检测影像门路为理论门路,运行检测

有如下四个文件夹可选

留神:readNetFromModelOptimizer.vi 中 IR 模型 门路不能够蕴含中文

4、运行成果

演示效果图

五、我的项目源码及模型下载

大家可关注微信公众号:<font color= “blue:”> VIRobotics</font>,回复关键字:<font color= “red”>新冠肺炎检测实战 </font> 获取本次分享内容的残缺我的项目源码及模型。

附加阐明

  • 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

如果文章对你有帮忙,欢送✌关注、👍点赞、✌珍藏、👍订阅专栏

正文完
 0