Skip to content

Latest commit

 

History

History
249 lines (169 loc) · 10.2 KB

README_cn.md

File metadata and controls

249 lines (169 loc) · 10.2 KB

English | 简体中文

英特尔® OpenVINOTM integration with TensorFlow - C++ 和 Python 集成示例

这些示例演示了如何使用 Intel® OpenVINOTM integration with Tensorflow 识别和检测在图像和视频中的对象。

示例快速链接

示例中的演示

  • 分类演示使用谷歌 Inception v3 模型对指定的图像或视频进行分类。
  • 对象检测演示使用 YOLOv3 模型检测指定图像或视频中的对象。

示例的设置

继续运行示例之前，必须将 openvino_tensorflow 仓库克隆到本地设备。此步骤请运行以下命令：

$ git clone https://github.com/openvinotoolkit/openvino_tensorflow.git
$ cd openvino_tensorflow
$ git submodule init
$ git submodule update --recursive

面向分类的 Python 实现

在此示例中，我们假设您已经：

  • 为系统安装了 TensorFlow
  • 为系统安装了Intel® OpenVINOTM integration with Tensorflow

请参阅此页了解如何快速通过 pip 安装。

此演示中所使用的 TensorFlow 模型由于大小问题，不包含在该仓库中。因此，请将模型下载至 cloned repo of openvino_tensorflow 中的 <path-to-openvino_tensorflow-repository>/examples/data 目录，并解压文件：

$ curl -L "https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz" |
  tar -C <path-to-openvino_tensorflow-repository>/examples/data -xz

解压后，数据文件夹 <path-to-openvino_tensorflow-repository>/examples/data 将包含两个新文件：

  • imagenet_slim_labels.txt
  • inception_v3_2016_08_28_frozen.pb

打开 imagenet_slim_labels.txt，读取数据目录 <path-to-openvino_tensorflow-repository>/examples/data 中关于分类的标签。在.txt 文件中，有 1,000 个 Imagenet 竞赛中使用的类别。

安装先决条件

$ cd <path-to-openvino_tensorflow-repository>/examples
$ pip3 install -r requirements.txt

现在，您可以使用图像输入运行分类示例，如下所示：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/classification_sample.py

classification_sample.py 对此仓库自带的默认示例图像进行推理，其输出类似于：

military uniform (653): 0.834306
mortarboard (668): 0.0218693
academic gown (401): 0.010358
pickelhaube (716): 0.00800814
bulletproof vest (466): 0.00535091

注意：使用 --no_show 标志禁用应用程序显示窗口。 默认情况下，显示窗口是启用的。

在此示例中，我们使用 Admiral Grace Hopper 的默认图像。如您所见，网络准确发现她穿着军装，得到了 0.8 的高分。

下一步，通过将路径传递给新输入来尝试一下。 您可以提供图像或视频或图像目录的绝对或相对路径。 例如：

$ python3 examples/classification_sample.py --input=<absolute-or-relative-path-to-your-input>

如果您将新图像（如 my_image.png）添加到 openvino_tensorflow 仓库的现有的 <path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ python3 examples/classification_sample.py --input=examples/data/my_image.png

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ python3 examples/classification_sample.py --help

下一步，通过将路径传递到您的输入视频，在您自己的视频文件上进行尝试。 您可以提供绝对或相对路径，例如

$ python3 examples/classification_sample.py --input=<absolute-or-relative-path-to-your-video-file>

如果您将新视频（例如，examples/data/people-detection.mp4）添加到 openvino_tensorflow 存储库中现有的 <path-to-openvino_tensorflow-repository>/examples/data 目录，它将如下所示：

$ python3 examples/classification_sample.py --input=examples/data/people-detection.mp4

使用相机作为输入, 使用--input=0。 这里的“0”指的是 /dev/video0 中的摄像头。 如果相机连接到不同的端口，请适当更改。

对象检测的 Python 实现

在此示例中，我们假设您已经：

  • 为系统安装了 TensorFlow
  • 为系统安装了Intel® OpenVINOTM integration with Tensorflow

注意： 参考此页使用Tensorflow 1.15转换yolov3 darknet模型及其python对象检测示例。

使用pip快速安装，请参考此页。

Install the pre-requisites

$ cd <path-to-openvino_tensorflow-repository>/examples
$ pip3 install -r requirements.txt

本演示中使用的 TensorFlow Yolo v3 darknet模型由于其大小而未打包在存储库中。 因此请按照以下说明将 DarkNet 模型转换为 TensorFlow模型，并将标签和权重下载到“openvino_tensorflow 的克隆存储库”中的“<path-to-openvino_tensorflow-repository>/examples/data”目录：

$ cd <path-to-openvino_tensorflow-repository>/examples
$ chmod +x convert_yolov3.sh
$ ./convert_yolov3.sh

完成后，数据文件夹将包含运行对象检测示例所需的以下文件：

  • coco.names
  • yolo_v3_darknet_2.pb

使用以下指令运行对象检测示例：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/object_detection_sample.py

注意：使用 --no_show 标志禁用应用程序显示窗口。 默认情况下，显示窗口是启用的。

输出类似于下面的内容并将结果写入 detections.jpg：

在此示例中，我们使用 Admiral Grace Hopper 的默认图像。如您所见，网络检测到并准确绘制了人物边界框。

接下来，通过将路径传递给您的新输入，在您自己的图像上进行尝试。 您可以提供绝对或相对路径，例如：

$ python3 examples/object_detection_sample.py --input=<absolute-or-relative-path-to-your-image>

如果您将新图像（如 my_image.png）添加到 openvino_tensorflow 存储库的现有 <path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/object_detection_sample.py --input=examples/data/my_image.png

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ python3 examples/object_detection_sample.py --help

接下来，通过将路径传递到您的输入视频，在您自己的视频文件上进行尝试。 您可以提供绝对或相对路径，例如

$ python3 examples/object_detection_sample.py --input=<absolute-or-relative-path-to-your-video-file>

如果您将新视频（例如，examples/data/people-detection.mp4）添加到 openvino_tensorflow 存储库中现有的 <path-to-openvino_tensorflow-repository>/examples/data 目录，它将如下所示：

$ python3 examples/object_detection_sample.py --input=examples/data/people-detection.mp4

使用相机作为输入使用--input=0。 这里的“0”指的是 /dev/video0 中的摄像头。 如果相机连接到不同的端口，请适当更改。

注意： 输入为图像或图像目录的结果将写入输出图像。 对于视频或相机输入，请使用应用程序显示窗口查看结果。

面向分类的 C++ 实现

运行 C++ 示例时，我们需要通过源代码构建 TensorFlow 框架，因为示例依赖 TensorFlow 库。

在从源代码开始构建之前，您必须确保已安装 prerequisites。

本演示中使用的 TensorFlow 模型由于其大小而未打包在 repo 中。 因此将模型下载到“openvino_tensorflow 的克隆存储库”中的“<path-to-openvino_tensorflow-repository>/examples/data”目录并提取文件：

$ curl -L "https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz" |
  tar -C <path-to-openvino_tensorflow-repository>/examples/data -xz

运行以下命令，构建 openvino_tensorflow 及示例：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 build_tf.py --output_dir <path-to-tensorflow-dir>
$ python3 build_ovtf.py --use_tensorflow_from_location <path-to-tensorflow-dir>

关于详细的构建说明，请参阅 BUILD.md。

现在，classification_sample 的二进制可执行文件已构建完成。更新 LD_LIBRARY_PATH 并运行示例：

$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<path-to-openvino_tensorflow-repository>/build_cmake/artifacts/lib:<path-to-openvino_tensorflow-repository>/build_cmake/artifacts/tensorflow
$ ./build_cmake/examples/classification_sample/infer_image

它将使用此存储库自带的默认示例图像，其输出类似于：

military uniform (653): 0.834306
mortarboard (668): 0.0218693
academic gown (401): 0.010358
pickelhaube (716): 0.00800814
bulletproof vest (466): 0.00535091

在此示例中，我们使用 Admiral Grace Hopper 的默认图像。如您所见，网络准确发现她穿着军装，得到了 0.8 的高分。

接下来，传递 --image=argument（其中 argument 是新图像的路径），试着推理自己的图像。您可以在参数中提供绝对路径或相对路径。

$ ./build_cmake/examples/classification_sample/infer_image --image=<absolute-or-relative-path-to-your-image>

如果您将新图像（如： my_image.png）添加到 openvino_tensorflow 仓库的现有<path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ ./build_cmake/examples/classification_sample/infer_image --image=examples/data/my_image.png

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ ./build_cmake/examples/classification_sample/infer_image --help