0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

【YOLOv5】LabVIEW+OpenVINO讓你的YOLOv5在CPU上飛起來(lái)

LabVIEW深度學(xué)習(xí)實(shí)戰(zhàn) ? 來(lái)源: LabVIEW深度學(xué)習(xí)實(shí)戰(zhàn) ? 作者: LabVIEW深度學(xué)習(xí)實(shí) ? 2023-03-16 14:08 ? 次閱讀

前言

上一篇博客給大家介紹了使用opencv加載YOLOv5的onnx模型,但我們發(fā)現(xiàn)使用CPU進(jìn)行推理檢測(cè)確實(shí)有些慢,那難道在CPU上就不能愉快地進(jìn)行物體識(shí)別了嗎?當(dāng)然可以啦,這不LabVIEW和OpenVINO就來(lái)了嘛!今天就和大家一起看一下如何在CPU上也能感受絲滑的實(shí)時(shí)物體識(shí)別。

一、OpenVINO是什么

OpenVINO是英特爾針對(duì)自家硬件平臺(tái)開(kāi)發(fā)的一套深度學(xué)習(xí)工具庫(kù),用于快速部署應(yīng)用和解決方案,包含推斷庫(kù),模型優(yōu)化等等一系列與深度學(xué)習(xí)模型部署相關(guān)的功能。

在這里插入圖片描述

特點(diǎn):

  1. 在邊緣啟用基于CNN的深度學(xué)習(xí)推理
  2. 支持通過(guò)英特爾?Movidius?VPU在英特爾?CPU,英特爾?集成顯卡,英特爾?神經(jīng)計(jì)算棒2和英特爾?視覺(jué)加速器設(shè)計(jì)之間進(jìn)行異構(gòu)執(zhí)行
  3. 通過(guò)易于使用的計(jì)算機(jī)視覺(jué)功能庫(kù)和預(yù)先優(yōu)化的內(nèi)核加快上市時(shí)間
  4. *包括對(duì)計(jì)算機(jī)視覺(jué)標(biāo)準(zhǔn)(包括OpenCV 和OpenCL?)的優(yōu)化調(diào)用
  5. 通俗易懂點(diǎn)說(shuō)****想要在intel-cpu或者嵌入式上部署深度學(xué)習(xí)模型,可以考慮考慮openvino

二、LabVIEW視覺(jué)工具包下載與配置

1、視覺(jué)工具包的下載安裝

可在如下鏈接中下載OpenVINO版工具包: 基于LabVIEW可使用opencv DNN模塊調(diào)用的深度學(xué)習(xí)工具包

2、OpenVINO toolkit下載安裝

下載地址: 英特爾? Distribution of OpenVINO? 工具套件

1)點(diǎn)擊Dev Tools

在這里插入圖片描述

2)選擇版本,選擇如下版本,并DownLoad

在這里插入圖片描述

3)下載后,運(yùn)行安裝即可!

在這里插入圖片描述

4)可以選擇安裝路徑,具體安裝可以參考官方文檔: https://docs.openvino.ai/cn/latest/openvino_docs_install_guides_installing_openvino_windows.html

三、模型獲取

openvino工作流程,和其他的部署工具都差不多,訓(xùn)練好模型,解析成openvino專用的.xml和.bin,隨后傳入Inference Engine中進(jìn)行推理。這里和上一篇博客一樣可以使用export.py導(dǎo)出openvino模型:python export.py --weights yolov5s.pt --include openvino

當(dāng)然這里已經(jīng)為大家轉(zhuǎn)換好了模型,大家可以直接下載,下載鏈接:

在這里插入圖片描述

四、LabVIEW+OpenVINO調(diào)用Yolov5進(jìn)行實(shí)時(shí)物體識(shí)別

1、實(shí)現(xiàn)過(guò)程

  • dnn模塊調(diào)用IR模型(模型優(yōu)化器)
  • 設(shè)置計(jì)算后臺(tái)與計(jì)算目標(biāo)設(shè)備(推理引擎加速)
  • 獲取輸出端的LayerName
  • 圖像預(yù)處理
  • 推理
  • 后處理
  • 繪制檢測(cè)出的對(duì)象

2、程序源碼

在這里插入圖片描述

在這里插入圖片描述

如需源碼,請(qǐng)關(guān)注微信公眾號(hào)VIRobotics,回復(fù)關(guān)鍵詞:yolov5_openvino。

3、識(shí)別結(jié)果

CPU模式下,使用openvino進(jìn)行推理加速,實(shí)時(shí)檢測(cè)推理用時(shí)僅95ms/frame,是之前加載速度的三分之一

在這里插入圖片描述

注意:

  • readNetFromModelOptimizer.vi中IR模型****路徑不可以包含中文

附加說(shuō)明:計(jì)算機(jī)環(huán)境

  • 操作系統(tǒng):Windows10
  • python:3.6及以上
  • LabVIEW:2018及以上 64位版本
  • 視覺(jué)工具包:techforce_lib_opencv_cpu-1.0.0.73.vip
  • OpenVINO:2021.4.2

總結(jié)

如果文章對(duì)你有幫助,歡迎?關(guān)注、

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • cpu
    cpu
    +關(guān)注

    關(guān)注

    68

    文章

    10780

    瀏覽量

    210494
  • LabVIEW
    +關(guān)注

    關(guān)注

    1958

    文章

    3651

    瀏覽量

    321516
  • 深度學(xué)習(xí)
    +關(guān)注

    關(guān)注

    73

    文章

    5442

    瀏覽量

    120799
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    YOLOv5LabVIEW+YOLOv5快速實(shí)現(xiàn)實(shí)時(shí)物體識(shí)別(Object Detection)含源碼

    前面我們給大家介紹了基于LabVIEW+YOLOv3/YOLOv4的物體識(shí)別(對(duì)象檢測(cè)),今天接著上次的內(nèi)容再來(lái)看看YOLOv5。本次主要是和大家分享使用LabVIEW快速實(shí)現(xiàn)
    的頭像 發(fā)表于 03-13 16:01 ?2040次閱讀

    手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速,實(shí)現(xiàn)YOLOv5實(shí)時(shí)物體識(shí)別

    今天我們就一起來(lái)看一下如何使用LabVIEW開(kāi)放神經(jīng)網(wǎng)絡(luò)交互工具包實(shí)現(xiàn)TensorRT加速YOLOv5
    的頭像 發(fā)表于 03-20 16:36 ?2525次閱讀
    手把手教你使用<b class='flag-5'>LabVIEW</b> ONNX Runtime部署 TensorRT加速,實(shí)現(xiàn)<b class='flag-5'>YOLOv5</b>實(shí)時(shí)物體識(shí)別

    Yolov5算法解讀

    yolov5于2020年由glenn-jocher首次提出,直至今日yolov5仍然不斷進(jìn)行升級(jí)迭代。 Yolov5YOLOv5s、
    的頭像 發(fā)表于 05-17 16:38 ?8108次閱讀
    <b class='flag-5'>Yolov5</b>算法解讀

    YOLOv5LabVIEW+TensorRT的yolov5部署實(shí)戰(zhàn)(含源碼)

    今天主要和大家分享LabVIEW中使用純TensoRT工具包快速部署并實(shí)現(xiàn)yolov5的物體識(shí)別
    的頭像 發(fā)表于 08-21 22:20 ?1237次閱讀
    【<b class='flag-5'>YOLOv5</b>】<b class='flag-5'>LabVIEW</b>+TensorRT的<b class='flag-5'>yolov5</b>部署實(shí)戰(zhàn)(含源碼)

    C++中使用OpenVINO工具包部署YOLOv5-Seg模型

    YOLOv5兼具速度和精度,工程化做的特別好,Git clone到本地即可在自己的數(shù)據(jù)集實(shí)現(xiàn)目標(biāo)檢測(cè)任務(wù)的訓(xùn)練和推理,產(chǎn)業(yè)界中應(yīng)用廣泛。開(kāi)源社區(qū)對(duì)YOLOv5支持實(shí)例分割的呼聲高漲
    的頭像 發(fā)表于 12-21 10:17 ?1974次閱讀
    <b class='flag-5'>在</b>C++中使用<b class='flag-5'>OpenVINO</b>工具包部署<b class='flag-5'>YOLOv5</b>-Seg模型

    龍哥手把手教你學(xué)視覺(jué)-深度學(xué)習(xí)YOLOV5

    vi7.Labview調(diào)用yolov5模型進(jìn)行攝像頭實(shí)時(shí)檢測(cè)學(xué)習(xí)本課程后,可以獲得:1. 快速掌握yolov5
    發(fā)表于 09-03 09:39

    怎樣使用PyTorch Hub去加載YOLOv5模型

    PyTorch 快 2-5 倍專業(yè)提示:CPU 基準(zhǔn)測(cè)試中, ONNX和OpenVINO可能比 PyTorch 快 2-3 倍環(huán)境YOLOv5
    發(fā)表于 07-22 16:02

    使用Yolov5 - i.MX8MP進(jìn)行NPU錯(cuò)誤檢測(cè)是什么原因?

    的時(shí)機(jī)(yolov5s 模型,輸入為 448x448 ~ 70ms)。 現(xiàn)在我正在嘗試使用 Yolov5(uint8 量化),但我嘗試使用不同的預(yù)訓(xùn)練模型獲得相同的行為, CPU
    發(fā)表于 03-31 07:38

    如何YOLOv5測(cè)試代碼?

    使用文檔“使用 YOLOv5 進(jìn)行對(duì)象檢測(cè)”我試圖從文檔第 10 頁(yè)訪問(wèn)以下鏈接( i.MX8MP 上部署 yolov5s 的步驟 - NXP 社區(qū)) ...但是這樣做時(shí)會(huì)被拒絕訪問(wèn)。該文檔沒(méi)有說(shuō)明需要特殊許可才能下載 tes
    發(fā)表于 05-18 06:08

    基于YOLOv5的目標(biāo)檢測(cè)文檔進(jìn)行的時(shí)候出錯(cuò)如何解決?

    你好: 按Milk-V Duo開(kāi)發(fā)板實(shí)戰(zhàn)——基于YOLOv5的目標(biāo)檢測(cè) 安裝好yolov5環(huán)境,執(zhí)行main.py的時(shí)候會(huì)出錯(cuò),能否幫忙看下 main.py: import torch
    發(fā)表于 09-18 07:47

    YOLOv5OpenCV的推理程序

    YOLOv5官方給出的YOLOv5OpenCV推理的程序相對(duì)來(lái)說(shuō)是比較通俗易懂的,條理清晰,有基本的封裝,直接可用!但是我也發(fā)現(xiàn),模型的推理時(shí)間跟前后處理的時(shí)間相差無(wú)幾,特別是當(dāng)視
    的頭像 發(fā)表于 11-02 10:16 ?1790次閱讀

    C++中使用OpenVINO工具包部署YOLOv5模型

    下載并轉(zhuǎn)換YOLOv5預(yù)訓(xùn)練模型的詳細(xì)步驟,請(qǐng)參考:《基于OpenVINO?2022.2和蝰蛇峽谷優(yōu)化并部署YOLOv5模型》,本文所使用的OpenVINO是2022.3 LTS版。
    的頭像 發(fā)表于 02-15 16:53 ?4409次閱讀

    使用旭日X3派的BPU部署Yolov5

    本次主要介紹旭日x3的BPU中部署yolov5。首先在ubuntu20.04安裝yolov5,并運(yùn)行yolov5并使用pytoch的pt模型文件轉(zhuǎn)ONNX。
    的頭像 發(fā)表于 04-26 14:20 ?813次閱讀
    使用旭日X3派的BPU部署<b class='flag-5'>Yolov5</b>

    yolov5和YOLOX正負(fù)樣本分配策略

    整體正負(fù)樣本分配中,yolov7的策略算是yolov5和YOLOX的結(jié)合。因此本文先從yolov5和YOLOX正負(fù)樣本分配策略分析入手,
    發(fā)表于 08-14 11:45 ?2125次閱讀
    <b class='flag-5'>yolov5</b>和YOLOX正負(fù)樣本分配策略

    YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練策略詳解

    前面已經(jīng)講過(guò)了Yolov5模型目標(biāo)檢測(cè)和分類模型訓(xùn)練流程,這一篇講解一下yolov5模型結(jié)構(gòu),數(shù)據(jù)增強(qiáng),以及訓(xùn)練策略。
    的頭像 發(fā)表于 09-11 11:15 ?1957次閱讀
    <b class='flag-5'>YOLOv5</b>網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練策略詳解