前言
上一篇博客给我们介绍了运用opencv加载YOLOv5的onnx模型，但咱们发现运用CPU进行推理检测的确有些慢，那难道在CPU上就不能愉快地进行物体辨认了吗？当然能够啦，这不LabVIEW和OpenVINO就来了嘛！今日就和我们一起看一下如安在CPU上也能感触丝滑的实时物体辨认。
一、OpenVINO是什么
OpenVINO是英特尔针对自家硬件渠道开发的一套深度学习东西库，用于快速布置应用和解决方案，包含推断库，模型优化等等一系列与深度学习模型布置相关的功能。
特色：
- 在边际启用基于CNN的深度学习推理
- 支持经过英特尔Movidius™VPU在英特尔CPU，英特尔集成显卡，英特尔神经计算棒2和英特尔视觉加速器设计之间进行异构履行
- 经过易于运用的计算机视觉功能库和预先优化的内核加速上市时刻
- 包含对计算机视觉标准（包含OpenCV *和OpenCL™）的优化调用
- 通俗易懂点说想要在intel-cpu或者嵌入式上布置深度学习模型，能够考虑考虑openvino
二、LabVIEW视觉东西包下载与配置
1、视觉东西包的下载装置
可在如下链接中下载并装置东西包：/post/712459…
2、OpenVINO toolkit下载装置
下载地址：英特尔 Distribution of OpenVINO™ 东西套件 1）点击Dev Tools
4）能够挑选装置路径，详细装置能够参阅官方文档：docs.openvino.ai/cn/latest/o…
三、模型获取
openvino作业流程，和其他的布置东西都差不多，训练好模型，解析成openvino专用的.xml和.bin，随后传入Inference Engine中进行推理。这儿和上一篇博客一样能够运用export.py导出openvino模型：python export.py –weights yolov5s.pt –include openvino 当然这儿现已为我们转化好了模型，我们能够直接下载，下载链接：YOLOv5 OpenVINO IR模型
四、LabVIEW+OpenVINO调用Yolov5进行实时物体辨认
1、完成进程
- dnn模块调用IR模型（模型优化器）
- 设置计算后台与计算方针设备（推理引擎加速）
- 获取输出端的LayerName
- 图画预处理
- 推理
- 后处理
- 绘制检测出的对象
2、程序源码
3、辨认结果
CPU形式下，运用openvino进行推理加速，实时检测推理用时仅95ms/frame，是之前加载速度的三分之一
留意：
- readNetFromModelOptimizer.vi中IR模型路径不能够包含中文
附加阐明：计算机环境
- 操作系统：Windows10
- python：3.6及以上
- LabVIEW：2018及以上 64位版别
- 视觉东西包：techforce_lib_opencv_cpu-1.0.0.73.vip
- OpenVINO：2021.4.2
总结
以上便是今日要给我们分享的内容。
如需源码，请重视微信大众号VIRobotics,回复关键词：yolov5_openvino。
如您想要讨论更多关于LabVIEW与人工智能技术，欢迎加入咱们的技术交流群：705637299，进群请补白暗号：LabVIEW机器学习
