Utilisez simplement la démo de détection de visage d'OpenVINO dans (Google Colab | Docker)

Interactive_face_detection_demo fourni avec la boîte à outils de OpenVINO qui fonctionne lorsqu'Intel est installé C'est un mémo parce que j'étais heureux de pouvoir l'utiliser simplement en le déplaçant tel quel. Les informations ci-dessous concernent OpenVINO 2020.4.

Lors de l'utilisation de Google Colab

Google Colab semble utiliser un processeur Intel et peut fonctionner sur Colab.

Cliquez ici pour le bloc-notes actuel.

Pour l'installer, exécutez simplement la Procédure d'installation pour Linux, et la construction et l'exécution de la démo sont les mêmes que la partie utilisant Docker ci-dessous, donc l'explication est expliquée. Je l'ai omis.

Cependant, il est gênant d'attendre l'installation à chaque démarrage de Colab, il est gênant de télécharger le fichier car le fichier de sortie est assez volumineux en raison de ses caractéristiques, et le processeur de Colab n'est pas si rapide en premier lieu. Si vous avez un environnement avec Intel, la méthode Docker suivante, qui vous permet d'écrire des fichiers directement localement, peut être plus simple.

Lors de la création d'un environnement directement localement

J'ai vu un article qui semble interférer avec l'environnement existant, donc je l'ai évité d'une manière ou d'une autre. Je pense qu'il n'y a pas de problème si vous effectuez la section Installation.

Lors de l'utilisation de Docker

docker run -v /c/Users/${USER}/Downloads:/Downloads -u root -it --rm openvino/ubuntu18_dev:2020.4

Je veux utiliser la démo, donc j'utilise _dev avec la démo. Puisque j'échange des fichiers, je veux monter le répertoire de téléchargement et falsifier le fichier d'installation, donc je deviens root. Étant donné que j'exécute sous Windows 10, il ne prend en charge que le processeur, mais [Dans un environnement pris en charge, il prend également en charge le GPU, etc. en passant une option à docker](https://hub.docker.com/ r / openvino / ubuntu18_dev).

Travaillez dans le conteneur ci-dessous

cd ${INTEL_CVSDK_DIR}/inference_engine/demos/
sed -i 's/*)/interactive_face_detection_demo)/g' CMakeLists.txt
./build_demos.sh

S'il est laissé tel quel, nous devrons attendre la construction d'autres démos, nous nous concentrons donc sur le interactive_face_detection_demo que nous voulons utiliser. Je souhaite utiliser d'autres démos Veuillez supprimer sed.

${INTEL_CVSDK_DIR}/deployment_tools/tools/model_downloader/downloader.py \
  --name face-detection-adas-0001,age-gender-recognition-retail-0013,head-pose-estimation-adas-0001,emotions-recognition-retail-0003,facial-landmarks-35-adas-0002 \
  --output_dir /content/model/ \
  --precisions FP32

Supprimez le modèle entraîné que vous souhaitez utiliser avec interactive_face_detection_demo avec le téléchargeur inclus (https://docs.openvinotoolkit.org/2020.4/omz_tools_downloader_README.html). Je me demande lequel utiliser pour ceux qui ont de nombreux modèles tels que la détection de visage, mais soyez prudent car si vous le modifiez de manière appropriée, ce sera mortellement lent (environ 100 fois). Pour le moment, ce qui précède est ce qui a été spécifié dans Documentation.

/root/omz_demos_build/intel64/Release/interactive_face_detection_demo \
  -i /Downloads/input.mp4 \
  -m /content/model/intel/face-detection-adas-0001/FP32/face-detection-adas-0001.xml \
  -m_ag /content/model/intel/age-gender-recognition-retail-0013/FP32/age-gender-recognition-retail-0013.xml \
  -m_hp /content/model/intel/head-pose-estimation-adas-0001/FP32/head-pose-estimation-adas-0001.xml \
  -m_em /content/model/intel/emotions-recognition-retail-0003/FP32/emotions-recognition-retail-0003.xml \
  -m_lm /content/model/intel/facial-landmarks-35-adas-0002/FP32/facial-landmarks-35-adas-0002.xml \
  -no_show \
  -no_wait \
  -async \
  -o /Downloads/output.mp4

Bien qu'il existe d'autres options, j'ai pu convertir la vidéo ci-dessus pour le moment.