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