今日应用
今日话题
重点标签 OpenVINO、Mask-RCNN、实例分割、代码演示、模型推理
文章摘要
本文详细介绍了如何使用英特尔的OpenVINO工具套件部署Mask-RCNN实例分割网络。文章首先对OpenVINO支持的Mask-RCNN和yolact两种实例分割模型进行了简要介绍,然后以instance-segmentation-security-0050模型为例,详细阐述了模型的输入输出格式和相关参数。接着,通过代码演示,展示了如何使用OpenVINO进行模型的加载、输入输出数据格式设置、推理以及输出结果的解析和可视化。最后,文章还提供了一些技术专栏和资源链接,供读者进一步学习和探索。
摘要:
OpenVINO是英特尔推出的一款全面的工具套件,支持超过150种计算机视觉CNN网络结构的快速部署。本文以instance-segmentation-security-0050模型为例,展示了使用OpenVINO部署Mask-RCNN实例分割网络的详细过程及代码演示。
1. 模型介绍:OpenVINO支持Mask-RCNN与yolact两种实例分割模型的部署。instance-segmentation-security-0050模型基于COCO数据集训练,支持80个类别的实例分割,加上背景共81个类别。模型输入包括im_data和im_info两个层,输出包括classes、scores、boxes和raw_masks。
2. 代码演示:演示代码分为以下几个步骤:
– IE引擎初始化与模型加载:创建InferenceEngine::Core对象,读取模型的xml和bin文件,获取网络的输入输出信息。
– 设置输入与输出数据格式:为输入输出层设置数据精度和布局。
– 设置blob输入数据与推理:加载网络到CPU,创建推理请求,设置输入数据,执行推理。
– 解析输出结果:获取推理结果,根据类别ID和Box索引获取实例分割mask,随机生成颜色,实现mask与原图的叠加,生成实例分割效果。
3. 模型推理输出格式:实际推理过程中发现raw_masks输出格式为100x81x14x14,与官方文档描述的28×28大小不一致,可能是文档未更新。
4. 技术资源:文章提供了一些技术专栏和资源链接,包括多模态大模型解读、Transformer系列、ICCV2023论文解读等,以及极视角动态和极市干货,供读者学习和参考。
通过本文的介绍和代码演示,读者可以了解到如何使用OpenVINO工具套件部署Mask-RCNN实例分割网络,以及如何进行模型的推理和结果的可视化。同时,提供的技术资源也为读者提供了更多的学习材料。
文章来源
原文地址: 点我阅读全文
原文作者: 极市平台