Fork me on GitHub

基于OpenVINO的端到端DL网络-进一步解析OpenVINO提供的例子并且独立出来(win+vs)

一、例子概览

上图中标红的都是可以运行的例子,在上一个博客中已经提示。其它的是工具等辅助内容。
例子可以简单分为3类,一类是
这个是和OpenCV相关的,可以参考;
一类是
这个是入门的,优先学习
余下的就是完整的例子,最后学习。
二、代码框架
我们从开始,它的代码比较清晰
其中1-7对应的就是
integration_process.png
但是在不同的例子中是有不一样的地方的。同时Intel在sample代码中,也有前后不一致的地方,需要注意批判学习。
三、独立出来
最后我们需要做的事将
super_resolution_demo
独立出来,成为自己可以运行的例子,相关要点:
头文件:
lib文件:
C:\Users\Administrator\Documents\Intel\OpenVINO\inference_engine_samples_build\intel64\Debug\gflags_nothreads_static.lib
C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\inference_engine\lib\intel64\Debug\inference_engined.lib
C:\Program Files (x86)\IntelSWTools\openvino\opencv\lib\opencv_world410d.lib
C:\Users\Administrator\Documents\Intel\OpenVINO\inference_engine_samples_build\intel64\Debug\cpu_extension.lib
C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\inference_engine\lib\intel64\Debug\tbb_debug.lib
shlwapi.lib
特别要注意shlwapi.lib要添加
其它:
结果:
 
、初步小结
例子中最为突出的问题就是 大量引用了外部库,这是我们不需要的(比如GFlag),必须在后面的使用过程中进一步优化。3识别肯定是可以的。
此外就是模型了,模型在哪里?模型的迁移如何做?进一步研究。还有用什么数据集。
某种感觉,这个例子比较通用呀。





附件列表

 

目前方向:图像处理,人工智能
posted @ 2019-08-01 10:30  jsxyhelu  阅读(717)  评论(0编辑  收藏  举报