Object Detection 手把手教你使用LabVIEW OpenCV dnn实现物体识别含源码( 三 ) _生活百科

文章插图
3、LabVIEW调用darknet模型实现物体识别yolo_example.vi（1）LabVIEW调用yolov3的方式及步骤和python类似，源码如下所示：

文章插图
将带识别图片与yolo_example.vi置于同一路径下，即可进行物体识别
（2）识别结果如下：

文章插图
4、LabVIEW实现实时摄像头物体识别（yolo_example_camera.vi）（1）使用GPU加速
使用顺序结构检测神经网络推理的时间

文章插图
比较使用GPU和不使用GPU两种情况下的推理速度
普通模式：net.serPerferenceBackend(0)，net.serPerferenceTarget(0)
Nvidia GPU模式：net.serPreferenceBackend(5)，net.serPerferenceTarget(6)
【Object Detection 手把手教你使用LabVIEW OpenCV dnn实现物体识别含源码】

文章插图
注：普通的c++、python、LabVIEW版本的opencv，即便选了GPU模式也没用，程序仍然运行在CPU上，需要安装CUDA和CUDNN后重新从源码编译opencv
（2）程序源码如下：

文章插图
（3）物体识别结果如下：

文章插图
注意，使用如上程序，可以点击STOP按钮，停止本次物体识别，也可勾选使用GPU进行加速
（4）使用GPU加速结果：

文章插图
三、tensorflow的物体识别模型调用相关源码及模型在tf1文件夹下

文章插图
1、下载预训练模型并生成pbtxt文件（1）下载ssd_mobilenet_v2_coco ，下载地址如下： http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v2_coco_2018_03_29.tar.gz
（2）解压后的文件内容

文章插图
（3）根据pb模型生成pbtxt文件运行 tf_text_graph_ssd.py以生成pptxt文件在cmd中运行： python tf_text_graph_ssd.py --input ssd_mobilenet_v1_coco_2017_11_17/frozen_inference_graph.pb --config ssd_mobilenet_v1_coco_2017_11_17/ssd_mobilenet_v1_coco.config --output ssd_mobilenet_v1_coco_2017_11_17.pbtxt
2、LabVIEW调用tensorflow模型推理并实现物体识别（callpb.vi）（1）程序源码如下：

文章插图
（2）运行结果如下：

文章插图
四、项目源码及模型下载链接：https://pan.baidu.com/s/1zwbLQe0VehGhsqNIHyaFRw?pwd=8888提取码：8888
总结拓展可以使用Yolov3训练自己的数据集，具体训练方法可参考博客：https://blog.csdn.net/qq_38915710/article/details/97112788 可实现案例：口罩佩戴识别、肺炎分类、CT等，如口罩佩戴检测