OpenVINO不仅通过其IE组件实现加速推理，其提供的预训练库还支持各种常见的图像检测、分割、对象识别等的计算机视觉任务。前面小编写过一系列的文章详细介绍过OpenVINO的各种应用，可以看这里回顾一下： 这里分享一下如何通过OpenVINO提供的行人检测与行人属性识别模型实现一个实时的视频行人检测与属性识别的演示程序。先看一下效果： 模型:模型来自OpenVINO官方提供的预训练模型库 行人检
openlab_4276841a
3年前
人脸检测模型OpenVINO的模型库中有多个人脸检测模型，这些模型分别支持不同场景与不同分辨率的人脸检测，同时检测精度与速度也不同。下面以OpenVINO2020 R04版本为例来逐一解释模型库中的人脸检测，列表如下： 在这里插入图片描述从列表中可以看出骨干特征网络主要是MobileNetv2与SqueezeNet两种支持实时特征网络，ResNet152是高精度的特征网络，检测头分别支持SSD、F
小o
3年前
关于模型模型是我基于前面一篇文章训练得到的，模型基于残差网络结构全卷积分类网络， 输入格式：NCHW=1x3x64x64 输出格式：NCHW=1x8x1x1 支持八种表情识别，列表如下： [“neutral”,“anger”,“disdain”,“disgust”,“fear”,“happy”,“sadness”,“surprise”] 转ONNX训练好的Pytorch模型可以保存为pt文件，通过
小o
3年前
基本思路分析大家好，今天给大家分享一下如何把Keras框架训练生成模型部署到OpenVINO平台上实现推理加速。要把Keras框架训练生成的h5模型部署到OpenVINO上，有两条技术路线： 选择一：把预训练权重文件h5转换pb文件，然后再转为OpenVINO可以解析的IR文件 选择二：把预训练权重文件h5转为ONNX格式文件，然后OpenVINO就可以直接读取跟使用了。 很显然，第一条技术路线中
小o
3年前
模型输入与输出OpenVINO 2020R04版本的官方模型库中有两个人脸检测模型标号分别为： face-detection-0105 – MobileNetv2 + FCOS face-detection-0106 – RestNet152 + ATSS 这里需要注意一下，FCOS与ATSS模型检测头输出跟SSD模型不同，官方支持的IR文件有两个输出数据分别是： boxes: [Nx5]， la
小o
3年前
