重磅！英特尔开源了OpenVINO模型训练框架

训练扩展

OpenVINO提供了大量的预训练模型，对车牌、车辆检测SSD模型，车辆属性识别、车牌识别模型、人脸检测、表情识别等模型，都提供模型重新训练与部署的扩展通道，通过tensorflow object detection框架集成与pytorch框架集成， 支持如下的模型重新训练，

pytorch框架

• 动作识别
• 人脸识别
• 姿态评估
• 实例分割
• 超像素

tensorflow对象检测框架支持

• 车牌识别
• 行人、车辆、自行车检测
• SSD 自定义对象检测器
• 车辆属性检测

安装与使用

OpenVINO训练扩展与模型转换安装步骤如下

1. 获取框架源码

git clone https://github.com/opencv/openvino_training_extensions.git

2. 安装依赖包

需要VS2015/VS2017

tensorflow高版本支持

python3.6.5版本支持

需要特别注意的是，各个模型支持的tf最低版本不同，需要特别注意这点，以车牌识别模型为例，训练时候必须依赖版本如下：

• Python 3.6
• TensorFlow 1.13.1
• OpenVINO 2019 R1 with Python API
• install libturbojpeg python3-tk python3-pip

具体看各个模型训练WIKI即可。其中以SSD Object Detection最值得关注，可以支持车牌、车辆、行人等检测模型自定义训练与导出使用。其训练过程与tensorflow对象检测框架中的SSD模型训练几乎很一致，毫无违和感！这样就可以打通从模型训练到使用的加速链条，OpenVINO你果然值得拥有！看一下训练效果与图形显示

然后就可以开始你自己的模型训练之旅，把训练好的模型转为为中间层IR文件，然后就可以使用IE模型进行加速了。

往期精华

• OpenCV基于标记控制的分水岭分割算法演示
• 首发 | OpenVINO开发配套视频教程发布了
• OpenVINO开发教程之八 – 道路分割
• OpenCV实现移动图象反模糊

志合者不以山海为远

道乖者不以咫尺为近

关注【OpenCV学堂】