点击上方“
小白学视觉
”，选择加”
星标
“或“
置顶
”
重磅干货，第一时间送达
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]，
labels:[N]
其中N表示得到预测框个数，5表示预测框的左上角与右下角坐标，加上分类得分-5个元素为：
[x_min, y_min, x_max, y_max, conf]
这里需要特别注意的是，跟SSD与FasterRCNN对象检测网络不同，它输出的是基于输入图像大小的真实坐标信息，不是0～1之间的值。输入格式是：NCHW=[1xNxHxW]，图像通道顺序BGR。
下载这两个模型，只需要执行下面的脚本语句即可：
就可以完成下载！
代码演示
代码实现基于OpenVINO Python SDK，以FCOS为例！首先加载模型，代码如下：
1from __future__ import print_function
2import cv2
3import time
4import logging as log
5from openvino.inference_engine import IECore
6
7model_xml = "D:/projects/models/face-detection-0105/FP32/face-detection-0105.xml"
8model_bin = "D:/projects/models/face-detection-0105/FP32/face-detection-0105.bin"
9
10log.info("Creating Inference Engine")
11ie = IECore()
12# Read IR
13net = ie.read_network(model=model_xml, weights=model_bin)获取输入与输出格式化信息
1log.info("Preparing input blobs")
2input_it = iter(net.input_info)
3input_blob = next(input_it)
4print(input_blob)
5output_it = iter(net.outputs)
6out_labels = next(output_it)
7out_boxes = next(output_it)
8
9# Read and pre-process input images
10print(net.input_info[input_blob].input_data.shape)对输入数据实现转换为NCHW格式
1image = cv2.imread("D:/images/selfie.jpg")
2ih, iw, ic = image.shape
3rh = ih / 416
4rw = iw / 416
5print("rate of height:",rh, "rate of widht:",rw)
6image_blob = cv2.resize(image, (416, 416))
7image_blob = image_blob.transpose(2, 0, 1) # Change data layout from HWC to CHW
8
9# Loading model to the plugin
10exec_net = ie.load_network(network=net, device_name="CPU")执行推理
1# Start sync inference
2log.info("Starting inference in synchronous mode")
3inf_start1 = time.time()
4res = exec_net.infer(inputs={input_blob:[image_blob]})
5inf_end1 = time.time() - inf_start1
6print("inference time(ms) : %.3f" % (inf_end1 * 1000))解析输出
1# Processing output blob
2log.info("Processing output blob")
3res = res[out_boxes]
4face_cnt = 0
5for obj in res:
6 if float(obj[4]) > 0.25:
7 print(obj)
8 face_cnt += 1
9 xmin = int(obj[0]*rw)
10 ymin = int(obj[1]*rh)
11 xmax = int(obj[2]*rw)
12 ymax = int(obj[3]*rh)
13 cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2, 8, 0)
14cv2.putText(image, "Total Detected Face: %d"%face_cnt, (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 2)
15cv2.imshow("FOCS Face detection", image)
16print("total faces : ", face_cnt)
17cv2.imwrite("D:/result_fcos.png", image)
18cv2.waitKey(0)
19cv2.destroyAllWindows()运行截图如下：
好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~