用 OpenVINO 对图像进行分类

原创

IT蜗壳-Tango

发布于 2023-12-20 23:09:43

1450

发布于 2023-12-20 23:09:43

文章被收录于专栏：Pandas基础实践Pandas基础实践

今天我们进行我们的第一个 Hello World 项目--用 OpenVINO 对图像进行分类。

该项目为【OpenVINO™ Notebooks】项目的 001-hello-world 工程。

openvino_notebooks/notebooks/001-hello-world at main · openvinotoolkit/openvino_notebooks (github.com)

该工程位于我们之前下载好的项目中

运行项目

在运行前我们先来介绍一下目录结构

001-hello-world.ipynb: 工程文件

data:用来保存数据的，里面是一只狗狗。

model：保存的是模型文件

utils：保存的是数据集相关的信息。

在运行代码之前，我们需要确认好它用的环境

我这个是一个错误示范，正确的环境应该是:openvino_env。我们可以通过点击环境的名称然后进行选择

导入库文件

import json
import cv2import matplotlib.pyplot as pltimport numpy as npfrom openvino.inference_engine import IECore

复制代码

选择这个单元格 ctrl + alt + enter 进行代码运行，也可以直接点击左上角的运行按钮。

运行后如果看到如下图所示错误

我们可以将代码修改如下

import jsonimport os
os.environ['Path'] += 'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\inference_engine\\external\\hddl\\bin;' \'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\inference_engine\\external\\tbb\\bin;'\'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\inference_engine\\bin\\intel64\\Debug;'\'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\inference_engine\\bin\\intel64\\Release;'\'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\ngraph\\lib;'\'C:\\Program Files (x86)\\Intel\openvino_2021.4.689\\deployment_tools\\model_optimizer;'
import cv2import matplotlib.pyplot as pltimport numpy as npfrom openvino.inference_engine import IECore

复制代码

C:\\Program Files (x86)\\Intel\openvino_2021.4.689 是我的 OpenVINO 安装目录，这个你要换成你自己的路径才行。

再次运行，报错消失

加载模型

ie = IECore()net = ie.read_network(    model="model/v3-small_224_1.0_float.xml", weights="model/v3-small_224_1.0_float.bin")exec_net = ie.load_network(network=net, device_name="CPU")
input_key = next(iter(exec_net.input_info))output_key = next(iter(exec_net.outputs.keys()))

复制代码

我们这里使用的是 Intel 的 CPU，如果你的是 AMD 的我不确定是否会出问题，因为我们有 AMD 的 CPU，欢迎你在评论区告诉我运行结果。

加载图片

# The MobileNet network expects images in RGB formatimage = cv2.cvtColor(cv2.imread(filename="data/coco.jpg"), code=cv2.COLOR_BGR2RGB)
# resize to MobileNet image shapeinput_image = cv2.resize(src=image, dsize=(224, 224))
# reshape to network input shapeinput_image = np.expand_dims(input_image.transpose(2, 0, 1), 0)plt.imshow(image);

复制代码

运行后我们在 VSCode 中会看到

进行推理

result = exec_net.infer(inputs={input_key: input_image})[output_key]result_index = np.argmax(result)

复制代码

查看推理结果

# Convert the inference result to a class name.imagenet_classes = json.loads(open("utils/imagenet_class_index.json").read())
# The model description states that for this model, class 0 is background,# so we add 1 to the network output to get the class nameimagenet_classes = {int(key) + 1: value for key, value in imagenet_classes.items()}imagenet_classes[result_index]

复制代码