openvino：yolov3转换成tenserflow模型再转换成openvino模型，并用神经计算棒一代加速树莓派3b+

在转换yolo3是时遇到了问题：

        [ ERROR ]  List of operations that cannot be converted to IE IR:
        [ ERROR ]      LeakyRelu (72)
        [ ERROR ]          detector/darknet-53/Conv/LeakyRelu

        ........

        [ ERROR ]  Part of the nodes was not translated to IE. Stopped.
        For more information please refer to Model Optimizer FAQ     (<INSTALL_DIR>/deployment_tools/documentation/docs/MO_FAQ.html), question #24.

         File "object_detection_demo_yolov3.py", line 73, in __init__（这个好像是numpy问题）
         assert False, "Invalid output size. Only 13, 26 and 52 sizes are supported for output spatial dimensions"
         AssertionError: Invalid output size. Only 13, 26 and 52 sizes are supported for output spatial dimensions

        论坛上的结果是，多是tensorflow版本的问题，可是我随之加上以后也是类似的结果。因而我准备从新安装openvino，在安装以前先配好基本环境要求

       A Linux build environment needs these components:

              OpenCV 3.4 or higher

             GNU Compiler Collection (GCC) 3.4 or higher

             CMake* 2.8 or higher

             Python* 3.5 or higher

      ubuntu16.04上安装有python3.5.2符合要求，而后由sudo apt-get install cmake安装cmake3.5.1，而后由sudo apt-get install python3-pip 安装pip3 8.1.1 千万不要更新pip，否则后面也会出问题，好像是什么找不到mian。而后用pip3 install tensorflow==1.12.0安装，最好是这个版本吧，不少人都是用这个版本成功的，我也是。最后经过pip3 install install opencv_python安装opencv。而后再安装openvino，此后将一路顺风。

        我也选择过windows版本的，而后在将tf模型转换成IR模型的时候遇到了问题：

        [ ERROR ]  Cannot infer shapes or values for node "detector/yolo-v3/Conv_14/BiasAdd/YoloRegion".
        [ ERROR ]  'coords'
        [ ERROR ]  
        [ ERROR ]  It can happen due to bug in custom shape infer function <function RegionYoloOp.regionyolo_infer at                        0x7f290119b488>.
        [ ERROR ]  Or because the node inputs have incorrect values/shapes.
        [ ERROR ]  Or because input shapes are incorrect (embedded to the model or passed via --input_shape).
        [ ERROR ]  Run Model Optimizer with --log_level=DEBUG for more information.
        [ ERROR ]  Stopped shape/value propagation at "detector/yolo-v3/Conv_14/BiasAdd/YoloRegion" node.
        For more information please refer to Model Optimizer FAQ                                              (<INSTALL_DIR>/deployment_tools/documentation/docs/MO_FAQ.html), question #38.

        找了好久也没有找到解决办法，而我在论坛上看到的讨论基本是基于ubuntu16.04的。因此我便在ubuntu上安装的openvino，因此到目前为止我也不知道以上错误的缘由，若是有知道的人，看到了个人笔记，还望不吝赐教。
darknet模型转换成tensorflow模型

        因为openvino不支持darknet转换，因此先要进行模型转换，这里选择转换成tf模型，再转换成IR模型。 打开OpenVINO-YoloV3工程，把下载好的权重放在OpenVINO-YoloV3-master\weights目录下，而后按照OpenVINO-YoloV3-master\script.txt的指示转换成tf模型。

        #============================================
        python3 convert_weights.py \
        --class_names coco.names \
        --weights_file weights/yolov3.weights \
        --data_format NHWC

         python3 convert_weights_pb.py \
         --class_names coco.names \
         --weights_file weights/yolov3.weights \
         --data_format NHWC \
         --output_graph pbmodels/frozen_yolo_v3.pb
        #============================================

执行这两个命令以后，在OpenVINO-YoloV3-master\pbmodels目录下就能够生成你想要的tf模型，很是方便。默认输入是416*416，若是须要其余大小，能够到代码里面改。我也用过mystic123/tensorflow-yolo-v3这个工程，可是多是因为操做缘由，最终IR转换没有成功。其间在转换tf时要用 NHWC方式。
tf模型转换成IR模型

        要想在openvino上使用yolo3，还须要转换成它的模型，即生成IR模型，包括bin和xml文件。一样按照OpenVINO-YoloV3-master\script.txt的指示将tf模型转换成IR模型，按照需求执行如下任意一个生成FP32，或FP16的模型，树莓派只支持后者。在openvino默认安装的状况下，全部的路径都不须要改。

  #==================================================================================      

        sudo python3 /opt/intel/computer_vision_sdk/deployment_tools/model_optimizer/mo_tf.py \
        --input_model pbmodels/frozen_yolo_v3.pb \
        --output_dir lrmodels/YoloV3/FP32 \
        --data_type FP32 \
        --batch 1 \
        --tensorflow_use_custom_operations_config yolo_v3_changed.json

        sudo python3 /opt/intel/computer_vision_sdk/deployment_tools/model_optimizer/mo_tf.py \
        --input_model pbmodels/frozen_yolo_v3.pb \
        --output_dir lrmodels/YoloV3/FP16 \
        --data_type FP16 \
        --batch 1 \
        --tensorflow_use_custom_operations_config yolo_v3_changed.json

  #==================================================================================      

        进行到这里，按理说就会获得几个振奋人心的success，这就代表模型转换完成啦，生成的xml和bin文件已经静静的呆在某个位置，等待着你的使用了。。

                                  
测试

        模型转换成功以后，就能够测试啦。进入OpenVINO-YoloV3-master文件夹，而后python3 openvino_yolov3_test.py。这时电脑的摄像头会被打开，而后你美丽脸会出如今其中，周围会框出人，而且会写xxx%person，原来咱们只是像人的生物。
后续

        后面我把它运行在树莓派3b+上，结合神经计算棒一代，结果刚一运行就直接黑屏了，增长了swap分区也没有救。OpenVINO-YoloV3里也有运行在计算棒上的程序，这真是一个很棒的程序，不过我在电脑上没有成功，结果是找不到设备，暂时尚未解决。OpenVINO-YoloV3工程做者也说树莓派上应该不能跑yolo3，不过网上有人好像说成功了，不知道他们是怎么作到的。可是yolo3tiny是能够的。yolo2能够直接在树莓派上跑，测试过，须要300秒，真的是等到花儿都谢了。
更新1：在笔记本+神经计算棒一代平台运行yolo3

        1.像在树莓派上同样，在电脑上使用神经计算棒也要添加USB规则，并且要复杂一些，否则就会找不到设备。

       首先执行它
sudo usermod -a -G users "$(whoami)"

        2. 而后新建一个叫97-myriad-usbboot.rules的文件，而后把如下三个代码拷贝到文件里。
2     SUBSYSTEM=="usb", ATTRS{idProduct}=="2150", ATTRS{idVendor}=="03e7", GROUP="users", MODE="0666", ENV{ID_MM_DEVICE_IGNORE}="1"
3     SUBSYSTEM=="usb", ATTRS{idProduct}=="2485", ATTRS{idVendor}=="03e7", GROUP="users", MODE="0666", ENV{ID_MM_DEVICE_IGNORE}="1"
4     SUBSYSTEM=="usb", ATTRS{idProduct}=="f63b", ATTRS{idVendor}=="03e7", GROUP="users", MODE="0666", ENV{ID_MM_DEVICE_IGNORE}="1"

      3.最后依次执行如下代码
sudo cp 97-myriad-usbboot.rules /etc/udev/rules.d/
sudo udevadm control --reload-rules
sudo udevadm trigger
sudo ldconfig
rm 97-myriad-usbboot.rules

     至此，usb规则就已经配好，接下来，python3 OpenVINO-YoloV3-master/openvino_yolov3_MultiStick_test.py，将不会出现找不到设备的错误。结果以下。

更新2：树莓派+神经计算棒一代+yolov3

        事实证实，树莓派上能够运行yolov3。以前在跑的时候先出现了黑屏现象，而后在终端上出现了如下的问题，最后如NCS论坛上所说，是电源的缘由。（树莓派的USB接口有电流限制，默认只能达到600mA。这给外接一些对电流要求较高的设备时会遇到电流不足的问题，致使没法工做或工做不稳定。）

       Error retrieving accessibility bus address: org.freedesktop.DBus.Error.ServiceUnknown: The name org.a11y.Bus was not           provided by any .service files
       E: [xLink] [    807609] dispatcherEventReceive:308    dispatcherEventReceive() Read failed -1 | event 0x644fee20      USB_READ_REL_RESP

       E: [xLink] [    807609] eventReader:256    eventReader stopped
       E: [xLink] [    808064] dispatcherEventSend:908    Write failed event -1

       E: [ncAPI] [    808069] ncGraphQueueInference:3538    Can't send trigger request
       E: [watchdog] [    808312] sendPingMessage:164    Failed send ping message: X_LINK_ERROR

        .................

       E: [watchdog] [    809319] sendPingMessage:164    Failed send ping message: X_LINK_ERROR

                                             

         解决办法就是找一个自供电hub，而后连上自供电的线，而后就能够顺利运行。若是懒得找，能够访问此连接（记得客服说要线，否则不会送）： https://item.taobao.com/item.htm?spm=a1z10.3-c.w4002-4331626625. 13.7e1156e8BoB79 J&id= 5841 85230094

  #==================================================================================

        Process Process-1:
        Traceback (most recent call last):
        File "/usr/lib/python3.5/multiprocessing/process.py", line 249, in _bootstrap
        self.run()
        File "/usr/lib/python3.5/multiprocessing/process.py", line 93, in run
        self._target(*self._args, **self._kwargs)
        File "/home/pi/OpenVINO-YoloV3-master/openvino_yolov3_MultiStick_test.py", line 346, in inferencer
        thworker = threading.Thread(target=async_infer, args=(NcsWorker(devid, frameBuffer, results, camera_width,            camera_height, number_of_ncs, vidfps),))
       File "/home/pi/OpenVINO-YoloV3-master/openvino_yolov3_MultiStick_test.py", line 259, in __init__
       self.exec_net = self.plugin.load(network=self.net, num_requests=self.num_requests)
       File "ie_api.pyx", line 389, in openvino.inference_engine.ie_api.IEPlugin.load
       File "ie_api.pyx", line 400, in openvino.inference_engine.ie_api.IEPlugin.load
       RuntimeError: Can not init USB device: NC_DEVICE_NOT_FOUND

  #==================================================================================

        若是出现这个错误，试试把神经计算棒插到其余usb口。

        修改.py里的此处，能够改变输入的方式，此处使用的是本地视频，默认是使用摄像头。

        #cam = cv2.VideoCapture(0)
        #if cam.isOpened() != True:
        #    print("USB Camera Open Error!!!")
        #    sys.exit(0)
        #cam.set(cv2.CAP_PROP_FPS, vidfps)
        #cam.set(cv2.CAP_PROP_FRAME_WIDTH, camera_width)
        #cam.set(cv2.CAP_PROP_FRAME_HEIGHT, camera_height)
        #window_name = "USB Camera"
        #wait_key_time = 1
     
        cam = cv2.VideoCapture("data/input/testvideo4.mp4")
        camera_width = int(cam.get(cv2.CAP_PROP_FRAME_WIDTH))
        camera_height = int(cam.get(cv2.CAP_PROP_FRAME_HEIGHT))
        frame_count = int(cam.get(cv2.CAP_PROP_FRAME_COUNT))
        window_name = "Movie File"
        wait_key_time = int(1000 / vidfps)

     yolo3-tiny本地视频结果：因为视频帧率明显大于检测帧率，因此如下结果会出现错位，检测的是前面某帧，可是显示已经到了其余画面。

                        

    yolo3本地视频结果：

                      

    yolo3摄像头采集处理结果：

                     
更新3

        若是在用其余图片而不是用摄像头采集的图片进行测试时，会出现边框彻底错误的状况，这是由于该程序默认的尺寸是320*240，最后恢复也是按照这个尺寸来的，若是用本身的图片不是这个尺寸，就会出现错位状况。

                                         

 
更新4

转换好的YOLO3模型，FP16和FP32格式。

连接：https://pan.baidu.com/s/1Y9zVBIbsB9rEdmIPNy0MfA
提取码：ds2t
 
————————————————
版权声明：本文为CSDN博主「意疏」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处连接及本声明。
原文连接：https://blog.csdn.net/sinat_35907936/article/details/88760618