免费申请网站永久域名,如何写网站建设方案书,好人一生平安网站哪个好,hhvm wordpress 空白YOLOv9模型是YOLO系列实时目标检测算法中的最新版本#xff0c;代表着该系列在准确性、速度和效率方面的又一次重大飞跃。它通过引入先进的深度学习技术和创新的架构设计#xff0c;如通用ELAN#xff08;GELAN#xff09;和可编程梯度信息#xff08;PGI#xff09;代表着该系列在准确性、速度和效率方面的又一次重大飞跃。它通过引入先进的深度学习技术和创新的架构设计如通用ELANGELAN和可编程梯度信息PGI显著提升了物体检测的性能。在本文中我们将结合OpenVINO™ C# API 使用最新发布的OpenVINO™ 2024.0部署YOLOv9 目标检测和实例分割模型。
OpenVINO™ C# API项目链接
https://github.com/guojin-yan/OpenVINO-CSharp-API.git使用 OpenVINO™ C# API 部署 YOLOv9 全部源码
https://github.com/guojin-yan/OpenVINO-CSharp-API-Samples/tree/master/model_samples/yolov91. 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。 2024年3月7日英特尔发布了开源 OpenVINO™ 2024.0 工具包用于在各种硬件上优化和部署人工智能推理。OpenVINO™ 是英特尔出色的开源 AI 工具包不仅可以在 x86_64 CPU 上加速 AI 推断还可以在 ARM CPU 和其他架构、英特尔集成显卡和独立显卡等硬件上加速 AI 推断包括最近推出的 NPU 插件用于利用新酷睿超 “Meteor Lake “系统芯片中的英特尔神经处理单元。 OpenVINO™ 2024.0 更注重生成式人工智能GenAI为 TensorFlow 句子编码模型提供了更好的开箱即用体验支持专家混合MoE。同时还提高了 LLM 的 INT4 权重压缩质量增强了 LLM 在英特尔 CPU 上的性能简化了 Hugging Face 模型的优化和转换并改进了其他 Hugging Face 集成。
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。
下表为当前发布的 OpenVINO™ C# API NuGet Package支持多个目标平台可以通过NuGet一键安装所有依赖。
Core Managed Libraries
PackageDescriptionLinkOpenVINO.CSharp.APIOpenVINO C# API core libraries OpenVINO.CSharp.API.ExtensionsOpenVINO C# API core extensions libraries OpenVINO.CSharp.API.Extensions.OpenCvSharpOpenVINO C# API core extensions libraries use OpenCvSharp OpenVINO.CSharp.API.Extensions.EmguCVOpenVINO C# API core extensions libraries use EmguCV
Native Runtime Libraries
PackageDescriptionLinkOpenVINO.runtime.winNative bindings for Windows OpenVINO.runtime.ubuntu.22-x86_64Native bindings for ubuntu.22-x86_64 OpenVINO.runtime.ubuntu.20-x86_64Native bindings for ubuntu.20-x86_64 OpenVINO.runtime.ubuntu.18-x86_64Native bindings for ubuntu.18-x86_64 OpenVINO.runtime.debian9-arm64Native bindings for debian9-arm64 OpenVINO.runtime.debian9-armhfNative bindings for debian9-armhf OpenVINO.runtime.centos7-x86_64Native bindings for centos7-x86_64 OpenVINO.runtime.rhel8-x86_64Native bindings for rhel8-x86_64 OpenVINO.runtime.macos-x86_64Native bindings for macos-x86_64 OpenVINO.runtime.macos-arm64Native bindings for macos-arm64
1.2 YOLOv9
YOLOv9模型是YOLO系列实时目标检测算法中的最新版本代表着该系列在准确性、速度和效率方面的又一次重大飞跃。它通过引入先进的深度学习技术和创新的架构设计如通用ELANGELAN和可编程梯度信息PGI显著提升了物体检测的性能。
具体来说YOLOv9解决了深度神经网络中信息丢失的问题通过整合PGI和GELAN架构不仅增强了模型的学习能力还确保了在整个检测过程中保留关键信息。此外它采用更深的网络结构以提取更丰富的特征同时引入残差连接和跨层连接等机制以优化训练过程。为了提高模型的泛化能力并降低过拟合风险YOLOv9还使用了正则化技术如权重衰减和Dropout。 由于YOLOv9在模型架构、训练策略以及数据处理等方面的改进它在COCO数据集上能够获得更高的AP值显示出其在复杂和多样化场景下的卓越性能。此外YOLOv9还注重实时性能通过优化网络结构和计算效率实现了在保持高性能的同时减少计算量和提高处理速度。这使得YOLOv9在实时目标检测任务中具有显著优势能够满足各种应用场景的需求。 2. 模型获取
2.1 源码下载
YOLOv9 模型可以通过源码进行下载首先克隆GitHub上的源码输入以下指令
git clone https://github.com/WongKinYiu/yolov9.git
cd yolov9### 2.2 配置环境
接下来安装模型下载以及转换环境此处使用Anaconda进行程序集管理输入以下指令创建一个yolov9环境
conda create -n yolov9 python3.10
conda activate yolov9然后安装yolov9模型下载以及转换所必需的环境输入以下指令
pip install -r requirements.txt
pip install openvino2024.0.02.3 下载模型
首先导出目标识别模型此处以官方预训练模型为例首先下载预训练模型文件然后调用export.py文件导出ONBNX格式的模型文件最后使用 OpenVINO™ 的模型转换命令将模型转为IR格式依次输入以下指令即可
wget https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-c.p
python export.py --weights ./yolov9-c.pt --imgsz 640 --include onnx
ovc yolov9-c.onnx同样的方式可以导出实例分割模型
wget https://github.com/WongKinYiu/yolov9/releases/download/v0.1/gelan-c-seg.ptt
python export.py --weights ./gelan-c-seg.pt --imgsz 640 --include onnx
ovc gelan-c-seg.onnx模型的结构如下图所示 3. Yolov9 项目配置
3.1 项目创建与环境配置
在Windows平台开发者可以使用Visual Studio平台开发程序但无法跨平台实现为了实现跨平台此处采用dotnet指令进行项目的创建和配置。
首先使用dotnet创建一个测试项目在终端中输入一下指令
dotnet new console --framework net6.0 --use-program-main -o yolov9此处以Windows平台为例安装项目依赖首先是安装OpenVINO™ C# API项目依赖在命令行中输入以下指令即可
dotnet add package OpenVINO.CSharp.API
dotnet add package OpenVINO.runtime.win
dotnet add package OpenVINO.CSharp.API.Extensions
dotnet add package OpenVINO.CSharp.API.Extensions.OpenCvSharp关于在不同平台上搭建 OpenVINO™ C# API 开发环境请参考以下文章 《在Windows上搭建OpenVINO™C#开发环境》 、《在Linux上搭建OpenVINO™C#开发环境》、《在MacOS上搭建OpenVINO™C#开发环境》
接下来安装使用到的图像处理库 OpenCvSharp在命令行中输入以下指令即可
dotnet add package OpenCvSharp4
dotnet add package OpenCvSharp4.Extensions
dotnet add package OpenCvSharp4.runtime.win关于在其他平台上搭建 OpenCvSharp 开发环境请参考以下文章《【OpenCV】在Linux上使用OpenCvSharp》 、《【OpenCV】在MacOS上使用OpenCvSharp》
添加完成项目依赖后项目的配置文件如下所示
Project SdkMicrosoft.NET.SdkPropertyGroupOutputTypeExe/OutputTypeTargetFrameworknet6.0/TargetFrameworkImplicitUsingsenable/ImplicitUsingsNullableenable/Nullable/PropertyGroupItemGroupPackageReference IncludeOpenCvSharp4 Version4.9.0.20240103 /PackageReference IncludeOpenCvSharp4.Extensions Version4.9.0.20240103 /PackageReference IncludeOpenCvSharp4.runtime.win Version4.9.0.20240103 /PackageReference IncludeOpenVINO.CSharp.API Version2024.0.0.1 /PackageReference IncludeOpenVINO.CSharp.API.Extensions.OpenCvSharp Version1.0.4 /PackageReference IncludeOpenVINO.runtime.win Version2024.0.0.1 //ItemGroup/Project
