OpenVINO是Intel推出的一套基于Intel芯片平台的推理框架，主要包括Model optimizer和Inference Engine两部分组成，其中Model Optimizer是用于模型转换和优化的工具，即从主流的训练框架训练转成OpenVINO模型，而Inference Engine则是将已经转换好的模型进行部署运行。
Yolo是一个非常棒的目标检测模型，相信搞过CNN网络的同学都研究过这个网络，它的最新版本是V3版本，检测效果非常好。今天，我们就以Yolo V3模型使用OpenVINO工具进行推理测试。
-
第一步: 从Darknet模型转换成Tensorflow模型
这里我们参考了这个开源项目：https://github.com/mystic123/tensorflow-yolo-v3
里面包含了模型下载和转换的命令：
$git clone https://github.com/mystic123/tensorflow-yolo-v3.git
$cd tensorflow-yolo-v3
$wget https://pjreddie.com/media/files/yolov3.weights
$wget https://raw.githubusercontent.com/pjreddie/darknet/master/data/coco.names
$python3 ./convert_weights_pb.py --data_format NHWC
执行完成后，在当前目录下就会产生一个“frozen_darknet_yolov3_model.pb”文件，这个就是对应的YOLO V3的Tensorflow模型。
-
第二步：使用MO工具将Tensorflow模型转换成OpenVINO模型
$/opt/intel/openvino/deployment_tools/model_optimizer/mo.py --input_model ./frozen_darknet_yolov3_model.pb -b 1 --tensorflow_use_custom_operations_config /opt/intel/openvino/deployment_tools/model_optimizer/extensions/front/tf/yolo_v3.json
执行完成后，在当前目录下就会产生两个OpenVINO模型对应的文件：
hank@hank-desktop:~/tensorflow-yolo-v3$ ls -lh frozen_darknet_yolov3_model.*
-rw-rw-r-- 1 hank hank 237M 8月 4 20:57 frozen_darknet_yolov3_model.bin
-rw-rw-r-- 1 hank hank 102K 8月 4 20:57 frozen_darknet_yolov3_model.xml
-
第三步：测试OpenVINO模型
OpenVINO Toolkit中包含了一个执行yolov3的测试命令：
hank@hank-desktop:~/tensorflow-yolo-v3$ python3 /home/hank/open_model_zoo/demos/python_demos/object_detection_demo_yolov3_async/object_detection_demo_yolov3_async.py --labels ./coco.names -i /home/hank/sample-videos/head-pose-face-detection-male.mp4 -m frozen_darknet_yolov3_model.xml -d CPU --cpu_extension /opt/intel/openvino/deployment_tools/inference_engine/lib/intel64/libcpu_extension_sse4.so
测试的视频效果图如下：
