asp.net mvc 做网站,做网站原型的软件,网站运营无经验可以做吗,视频 wordpress 主题在 MacOS 上使用 OpenVINO™ C# API 部署 Yolov5 #xff08;上篇#xff09; 项目介绍 YOLOv5 是革命性的 单阶段对象检测模型的第五次迭代#xff0c;旨在实时提供高速、高精度的结果#xff0c;是世界上最受欢迎的视觉人工智能模型#xff0c;代表了Ult… 在 MacOS 上使用 OpenVINO™ C# API 部署 Yolov5 上篇 项目介绍 YOLOv5 是革命性的 单阶段对象检测模型的第五次迭代旨在实时提供高速、高精度的结果是世界上最受欢迎的视觉人工智能模型代表了Ultralytics对未来视觉人工智能方法的开源研究融合了数千小时研发中积累的经验教训和最佳实践。同时官方发布的模型已经支持 OpenVINO™ 部署工具加速模型推理因此在该项目中我们将结合之前开发的 OpenVINO™ C# API 部署 YOLOv5 DET 模型实现物体对象检测。 项目链接为 https://github.com/guojin-yan/OpenVINO-CSharp-API项目源码链接为 https://github.com/guojin-yan/OpenVINO-CSharp-API-Samples/tree/master/model_samples/yolov5/yolov5_det_opencvsharp
https://github.com/guojin-yan/OpenVINO-CSharp-API-Samples/tree/master/model_samples/yolov5/yolov5_det_emgucv文章目录 1. 前言1.1 OpenVINO™ C# API1.2 YOLOv5 2. 模型下载与转换2.1 环境安装2.2 Yolov5 模型下载2.3 转换IR模型 1. 前言
1.1 OpenVINO™ C# API
英特尔发行版 OpenVINO™ 工具套件基于 oneAPI 而开发可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件适用于从边缘到云的各种英特尔平台上帮助用户更快地将更准确的真实世界结果部署到生产系统中。通过简化的开发工作流程OpenVINO™ 可赋能开发者在现实世界中部署高性能应用程序和算法。 OpenVINO™ 2023.2 于 2023 年 11 月 16 日发布该工具包带来了挖掘生成人工智能全部潜力的新功能。更多的生成式 AI 覆盖和框架集成以最大限度地减少代码更改并且扩展了对直接 PyTorch 模型转换的模型支持。支持更多新的模型包括 LLaVA、chatGLM、Bark 和 LCM 等著名模型。支持更广泛的大型语言模型LLM和更多模型压缩技术支持运行时推理支持以下 Int4 模型压缩格式通过神经网络压缩框架NNCF 进行本机 Int4 压缩等一系列新的功能。
OpenVINO™ C# API 是一个 OpenVINO™ 的 .Net wrapper应用最新的 OpenVINO™ 库开发通过 OpenVINO™ C API 实现 .Net 对 OpenVINO™ Runtime 调用使用习惯与 OpenVINO™ C API 一致。OpenVINO™ C# API 由于是基于 OpenVINO™ 开发所支持的平台与 OpenVINO™ 完全一致具体信息可以参考 OpenVINO™。通过使用 OpenVINO™ C# API可以在 .NET、.NET Framework等框架下使用 C# 语言实现深度学习模型在指定平台推理加速。
1.2 YOLOv5
YOLOv5 是革命性的 单阶段对象检测模型的第五次迭代旨在实时提供高速、高精度的结果是世界上最受欢迎的视觉人工智能模型代表了Ultralytics对未来视觉人工智能方法的开源研究融合了数千小时研发中积累的经验教训和最佳实践。 2. 模型下载与转换
2.1 环境安装
首先创建Yolov5模型下载与转换环境此处为了更好的管理环境使用Anaconda创建一个虚拟环境用于安装Yolov5模型下载与转换环境首先使用conda创建一个虚拟环境在命令行中依次输入以下指令
conda create -n yolo python3.10
conda activate yolo接下来安装Yolov5模型下载与转换环境基础的Yolov5模型下载需要通过克隆官方源码实现在命令行中依次输入以下指令实现环境的安装与配置即可
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt
pip install --upgrade openvino-nightly2.2 Yolov5 模型下载
Yolov5 官方提供了模型导出与转换的方式用户只需要调用该接口便可以在命令行中输入以下指令便可以直接导出Yolov5模型
cd yolov5
python export.py --weights yolov5s.pt --include onnx结果输出如下图所示 使用Netron工具打开模型文件查看模型结构如下图所示 官方预训练模型是在COCO数据集上训练的因此导出的模型可以识别80种物体。模型输入节点为images输入为归一化后的图像数据其输入大小为640×640模型的输出节点为output0输出大小为25200×85其中25200(640÷880640÷1640640÷32203×80×803×40×403×20×2025200)表示识别结果个数85表示[cx, cy, w, h, confidence, score0, ···score79]分别为识别框信息、识别结果中最大置信度以及80中类别结果的分数。
2.3 转换IR模型
接下来直接使用 OpenVINO™ 工具直接进行模型转换在CMD中输入以下指令即可
ovc yolov5s.onnx
