三、OpenVINO实战：图像分类

三、OpenVINO实战：图像分类

任务流程

1. 终端初始化OpenVINO环境

   进入OpenVINO安装目录，找到 setupvars.bat 文件并运行，结果如下图所示，即初始化成功。

   

2. 模型获取与转换

   • 调用模型下载器并通过 –print_all 查看可供下载的模型

     

   • 通过 –name 选择squeezenet1.1 模型进行下载，结果如下图所示

     • 在下载时若出现 [Error 11004] getaddrinfo failed 提示，原因在于host地址被墙，将地址 raw.githubusercontent.com 添加到host文件中即可。
     • 可在 –name 后添加 –output_dir 指定下载路径

     

   • 通过模型优化器（model_optimizer）将模型转换为IR文件

     • 进入OpenVINO下的模型优化器文件夹 ./deployment_tools/model_optimizer ，因为下载的squeezenet1.1模型为caffe模型，因此运行 mo_caffe.py 文件进行转换。

       python mo_caffe.py --input_model path --output_dir path

     • 运行成功后获得相应的 bin文件 和 xml文件

     

3. 图像分类

   • 准备好squeezenet1.1的标签文件 squeezenet1.1.labels，文件已传百度云
     链接：https://pan.baidu.com/s/17BCKqbTGusnzE5THNz_Spg
     提取码：ysew

     

   • 从推理引擎示例中获取一个简单的分类示例

     复制 ./OpenVINO/inference_engine/sample/python/classification_sample_async/ 路径下的 classification_sample_async.py 文件到你的 exercise 目录

   • 运行该示例，指定输入图像、模型、标签文件以及设备，获取结果
     python classification_samples_async.py -i image_path -m xml_path --labels label_path -d devices_name

     输入图像为：

     

     最终分类结果为：

     

​