YOLOv3-tiny怎么在VS2015上使用Openvino部署

YOLOv3-tiny怎么在VS2015上使用Openvino部署,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

前言

前几天加了两个Openvino群,准备请教一下关于Openvino对YOLOv3-tiny的int8量化怎么做的,没有得到想要的答案。但缺发现有那么多人Openvino并没有用的好,都是在网络上找资料,我百度了一下中文似乎没有靠谱的目标检测算法的部署资料,实际上这个并不难,用官方提供的例子改一改就可以出来,所以我答应了几个同学写一个部署流程希望对想使用Openvino部署YOLOv3-tiny(其他目标检测算法类推)到cpu或者英特尔神经棒上(1代或者2代)都是可以的。

YOLOv3-tiny模型训练

这部分我就不过多介绍了,我使用的是AlexeyAB版本darknet训练的YOLOv3-tiny模型(地址见附录),得到想要的重量文件,并调用命令测试图片的检测效果无误。

darknet模型转pb模型

 <代码> python3 convert_weights_pb。py 
——class_names voc.names 
——weights_file yolov3_tiny_200000。重量
——data_format NHWC 
——小——output_graph frozen_tiny_yolo_v3.pb 
  

 <代码> (
, {
,,“id":“TFYOLOV3", 
,,“match_kind":“general", 
,,“custom_attributes": {
,,,“classes": 3, 
,,,“coords": 4, 
,,,“num": 6, 
,,,“mask": (0, 1, 2), 
,,,
,,“anchors":[37 10, 14日,23日,27日,58岁的81年,82135169344319年),
,,,“entry_points":(“探测器/yolo-v3-tiny/Reshape",“探测器/yolo-v3-tiny/Reshape_4"] 
,,}
} 
] 
  

 <代码> python mo_tf。py——input_model frozen_darknet_yolov3_model。pb 
——tensorflow_use_custom_operations_config yolo_v3_tiny。json 
——input_shape=(1416416 3),——data_type=FP32