Intel OpenVINO Pretrained Model UNet-CamVid-Onnx-0001 does not predict correctly(英特尔OpenVINO预训模型UNET-CamVid-Onnx-0001预测不正确)
本文介绍了英特尔OpenVINO预训模型UNET-CamVid-Onnx-0001预测不正确的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我从OpenVINO Model Zoo Github Repo下载了英特尔pre-trained Unet model,未做任何修改。
但它似乎不起作用,请看看下面右侧的预测。 我期待看到正确的分割与不同的颜色标记的道路,天空,树木等…但它只是展示了更黑暗的形象。
这是我的代码,如果您发现其中有什么错误,请告诉我:
from logging import exception
import cv2
import numpy as np
from openvino.inference_engine import IECore
class ColorMap:
SKY=[28,51,71]
BUILDING=[28,28,28]
POLE=[60,60,60]
ROAD=[50,25,50]
PAVEMENT=[95,14,91]
FENCE=[74,60,60]
VEHICLE=[0,0,56]
PEDESTRIAN=[86,8,23]
BIKE=[47,5,13]
UNLABELED = [17,18,21]
TREE=[40,40,61]
SIGNSYMBOL=[86,86,0]
COLORS = []
COLORS_BGR = []
COLOR_MAP = {}
# the sequence of colors in this arrar matters!!! as it maps to the prediction classes
COLORS.append(SKY)
COLORS.append(BUILDING)
COLORS.append(POLE)
COLORS.append(ROAD)
COLORS.append(PAVEMENT)
COLORS.append(TREE)
COLORS.append(SIGNSYMBOL)
COLORS.append(FENCE)
COLORS.append(VEHICLE)
COLORS.append(PEDESTRIAN)
COLORS.append(BIKE)
COLORS.append(UNLABELED)
for color in COLORS:
np_color = np.array(color)
COLORS_BGR.append(np_color[[2,1,0]])
def crop_to_square(frame):
height = frame.shape[0]
width = frame.shape[1]
delta = int((width-height) / 2)
return frame[0:height, delta:width-delta]
model_xml = 'unet-camvid-onnx-0001.xml'
model_bin = "unet-camvid-onnx-0001.bin"
shape = (480, 368)
ie = IECore()
print("Available devices:", ie.available_devices)
net = ie.read_network(model=model_xml, weights=model_bin)
input_blob = next(iter(net.input_info))
# You can select device_name="CPU" to run on CPU
# exec_net = ie.load_network(network=net, device_name='MYRIAD')
exec_net = ie.load_network(network=net, device_name='CPU')
# Get video from the computers webcam
cap = cv2.VideoCapture('/media/winstonfan/Workspace/Learning/Github/depthai/videos/CamVid.mp4')
while cap.isOpened():
ret, raw_image = cap.read()
if not ret:
continue
image = crop_to_square(raw_image)
image = cv2.resize(image, shape)
cv2.imshow('Video ', image)
image = image.astype(np.float32)
image = np.expand_dims(image, axis=0)
image = image.transpose((0, 3, 1, 2))
image = image / 127.5 - 1.0
# Do the inference on the MYRIAD device
output = exec_net.infer(inputs={input_blob: image})
output = np.squeeze(output['206'])
data = np.argmax(output, axis=0)
if data.shape != (368, 480):
raise exception('unexpected shape of data from decode() method in handler.py');
class_colors = ColorMap.COLORS
class_colors = np.asarray(class_colors, dtype=np.uint8)
output_colors = np.take(class_colors, data, axis=0)
max_value = output_colors.max()
output_colors = (output_colors /(max_value/2.0) - 1.0).astype(np.float32)
sqz_img = np.moveaxis(np.squeeze(image), 0, 2)
overlayed = cv2.addWeighted(sqz_img, 1, output_colors, 0.2, 0)
cv2.imshow('Output', overlayed)
if cv2.waitKey(1) == ord('q'):
break
推荐答案
代码似乎没有问题。Unet-camvid-onnx-0001的模型输出是CamVid数据集的12类每个输入像素的每像素概率。这12个类的RGB值可以在以下目录中找到: INSTALL_DIRdeployment_toolsopen_model_zoodatapalettes
您可以在代码中引用RGB值的类。
这篇关于英特尔OpenVINO预训模型UNET-CamVid-Onnx-0001预测不正确的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
沃梦达教程
本文标题为:英特尔OpenVINO预训模型UNET-CamVid-Onnx-0001预测不正确
基础教程推荐
猜你喜欢
- 将 YAML 文件转换为 python dict 2022-01-01
- Python 的 List 是如何实现的? 2022-01-01
- 使 Python 脚本在 Windows 上运行而不指定“.py";延期 2022-01-01
- 症状类型错误:无法确定关系的真值 2022-01-01
- 如何在Python中绘制多元函数? 2022-01-01
- 使用Python匹配Stata加权xtil命令的确定方法? 2022-01-01
- 合并具有多索引的两个数据帧 2022-01-01
- 哪些 Python 包提供独立的事件系统? 2022-01-01
- 如何在 Python 中检测文件是否为二进制(非文本)文 2022-01-01
- 使用 Google App Engine (Python) 将文件上传到 Google Cloud Storage 2022-01-01