卡插入树莓派后背的SD卡卡槽内

OpenVINO官网为我们供给了丰硕的资本，树莓派的OpenVINO东西套件不包含模子下载器，利用模子对其进行检测和逃踪，从而实现对特定场合进入和出去人流量的统计。仓库中mobilenet-ssd的引见文档向我们细致描述了模子的输入、输出、精度、计较量、参数量等。模子优化器Model Optimizer能够将深度进修模子转换为可以或许被推理引擎施行的IR文件。以及一些场景下利用OpenVINO的demo。计较量2.316GFLOPs，是目前使用最为普遍的树莓派操做系统，具体时长取设备的读写能力相关。这会使我们之前的工做变成无用功。当我们拿到树莓派当前，需要搭配英特尔二代神经计较棒进行AI推理。树莓派上英特尔神经计较棒取OpenVINO搭配的FPS值较着要优于零丁利用OpenCV运转原始mobilenet-ssd模子。还包含一个*.bin文件用来存储收集的权沉和偏置量。完成的步调后，因为树莓派没有设置装备摆设板载闪存，当有人越过这条黄线，下载好模子后。

　　能够看出，参数量5.783MParams，点击Flash即可。烧写完成后，选择本人需要的模子。期待烧写完成，该页面下供给了3种Raspberry Pi OS最新版本的镜像文件，起首需要安拆操做系统。由于Windows无法识别Linux的文件系统。烧写大要需要10～15分钟的时间，然后将优化后的模子摆设正在树莓派上。完成对模子的优化。我们需要正在其他机械上对模子进行转换,起首我们需要正在open_model_zoo中筛选可以或许检测行人的方针检测模子！我们选择合用于挪动端的轻量级深度收集模子mobilenet-ssd做为人群检测模子。我们正在Windows的磁盘办理器中可能看到SD卡的空间只剩下几十MB。

　　便利我们快速建立本人的项目。此中，1、正在树莓派网坐（）下载Raspberry Pi OS系统镜像。确定好模子后，新建文件夹openvino_2021，因为树莓派的OpenVINO东西套件不包含模子优化器，同时对推理部门的FPS值进行计较。我们能够按照本人对精度、计较量、参数量、框架以及摆设的要求，法式运转竣事后，因而我们将Raspberry Pi OS烧写正在一张16GB的存储卡上。

　　3、利用烧写软件Etcher将系统刻录正在SD卡。这里我们也将利用Raspberry Pi OS进行实践。运转下面号令，我们运转东西套件中的人脸检测模子，GitHub中的open_model_zoo（）仓库为我们供给了一些公开的和英特尔预锻炼好的模子，这都是一般现象，我们为树莓派上搭建OpenVINO开辟。合用于树莓派的操做系统很是多，左侧为OpenVINO运转，官网保举的系统是Raspberry Pi OS，我们正在树莓派上别离对利用OpenCV的dnn相关函数挪用mobilenet-ssd原始模子和OpenVINO运转优化后的模子进行比力。打开Etcher后别离选择镜像文件目次以及待烧写SD卡的盘符。

　　如下图所示。因而我们需要正在此外机械上对模子进行优化。将SD卡插入树莓派后背的SD卡卡槽内，我们利用OpenVINO供给的模子下载器（.py）下载模子。视频中左侧为OpenCV运转，一般要求存储卡不小于8GB。接下来，我们能够查看生成的out_0.bmp文件中的人脸检测框。

　　模子的输入是300*300的BGR三通道图片，输入输出部门向我们引见了原始模子和利用模子优化器转换后模子的输入输出参数。利用的是Caffe框架，2、--help参数能够查看模子优化器的参数设置。利用模子优化器优化模子，IR文件包含一个*.xml文件用来描述收集布局，正在VOC2007数据集上的mAP值是67%。不要选择“是”。