人脸检测模型OpenVINO的模型库中有多个人脸检测模型，这些模型分别支持不同场景与不同分辨率的人脸检测，同时检测精度与速度也不同。下面以OpenVINO2020 R04版本为例来逐一解释模型库中的人脸检测，列表如下： 在这里插入图片描述从列表中可以看出骨干特征网络主要是MobileNetv2与SqueezeNet两种支持实时特征网络，ResNet152是高精度的特征网络，检测头分别支持SSD、F
小o
3年前
关于模型模型是我基于前面一篇文章训练得到的，模型基于残差网络结构全卷积分类网络， 输入格式：NCHW=1x3x64x64 输出格式：NCHW=1x8x1x1 支持八种表情识别，列表如下： [“neutral”,“anger”,“disdain”,“disgust”,“fear”,“happy”,“sadness”,“surprise”] 转ONNX训练好的Pytorch模型可以保存为pt文件，通过
小o
3年前
基本思路分析大家好，今天给大家分享一下如何把Keras框架训练生成模型部署到OpenVINO平台上实现推理加速。要把Keras框架训练生成的h5模型部署到OpenVINO上，有两条技术路线： 选择一：把预训练权重文件h5转换pb文件，然后再转为OpenVINO可以解析的IR文件 选择二：把预训练权重文件h5转为ONNX格式文件，然后OpenVINO就可以直接读取跟使用了。 很显然，第一条技术路线中
小o
3年前
模型输入与输出OpenVINO 2020R04版本的官方模型库中有两个人脸检测模型标号分别为： face-detection-0105 – MobileNetv2 + FCOS face-detection-0106 – RestNet152 + ATSS 这里需要注意一下，FCOS与ATSS模型检测头输出跟SSD模型不同，官方支持的IR文件有两个输出数据分别是： boxes: [Nx5]， la
小o
3年前
模型解释OpenVINO支持场景文字检测是基于MobileNet的PixelLink模型，该模型有两个输出，分别是分割输出与bounding Boxes输出，结构如下： 下面是基于VGG16作为backbone实现的PixelLink的模型结构： 输入格式：1x3x768x1280 BGR彩色图像 输出格式： name: “model/link_logits_/add”, [1x16x192x32
小o
3年前
