J'ai pris la pratique d'OpenVINO, donc j'en étais accro quand j'ai essayé de l'exécuter sur mon PC personnel, donc je vais en prendre note. Les travaux pratiques ont été réalisés avec Raspberry Pi + Neural Compute Stick. (Parce que le processeur Intel est requis) J'ai suivi la procédure en référence à ce site Deep learning commençant par OpenVINO, mais je m'inquiétais d'une erreur d'exécution avec la détection de visage en temps réel. J'espère que ce sera une solution pour ceux qui en sont également dépendants.
OpenVINO est une boîte à outils pour réaliser facilement la vision par ordinateur et l'inférence d'apprentissage en profondeur dans des applications visuelles à la périphérie. Boîte à outils OpenVINO
Il y a une erreur dans la bibliothèque OpenVINO. J'ai cherché avec StackOverflow etc., mais aucun d'entre eux n'a été résolu.
{'data': <openvino.inference_engine.ie_api.InputInfo object at 0x1054d3578>}
<openvino.inference_engine.ie_api.IEPlugin object at 0x1054d34a8>
Traceback (most recent call last):
File "sample.py", line 19, in <module>
exec_net = plugin.load(network=net)
File "ie_api.pyx", line 547, in openvino.inference_engine.ie_api.IEPlugin.load
File "ie_api.pyx", line 557, in openvino.inference_engine.ie_api.IEPlugin.load
RuntimeError: Unsupported primitive of type: PriorBoxClustered name: fc7_mbox_priorbox
L'endroit où l'erreur se produit est plugin.load (). Le chemin du fichier modèle est correct et le fichier existe. (J'ai vérifié plusieurs fois) Il y avait une déclaration selon laquelle vous devriez utiliser la version FP32 sur votre PC, mais l'erreur n'a pas changé même avec la version FP16.
#Modèle de charge
net = IENetwork(model='FP32/face-detection-retail-0004.xml', weights='FP32/face-detection-retail-0004.bin')
exec_net = plugin.load(network=net)
Lors de l'utilisation du CPU, add_cpu_extension () nécessitait une bibliothèque supplémentaire.
#Spécifier le périphérique cible
plugin = IEPlugin(device="CPU")
plugin.add_cpu_extension('/opt/intel/openvino/deployment_tools/inference_engine/lib/intel64/libcpu_extension.dylib')
Définissez le chemin en fonction de votre environnement. Si vous créez l'environnement selon la procédure, vous obtiendrez le chemin ci-dessus.
Pour utiliser l'appareil photo intégré avec MacBook, reportez-vous à ce qui suit. Capturer une vidéo à partir de la caméra intégrée Mac avec python
cap = cv2.VideoCapture(0)
L'erreur d'exécution d'OpenVINO a été résolue et la reconnaissance en temps réel à l'aide de la caméra est désormais possible. Tout d'abord, j'aimerais essayer diverses choses en utilisant le modèle préparé.
Recommended Posts