Posted By 賴建宏 on 7 月 31, 2019 in Edge AI開發地圖, Intel/Sertek, OpenVINO, OpenVINO專欄, OpenVINO教學文, 教學文 | 1 comment

Intel 推出 OpenVINO™ 這個 Toolkit 後，真的讓之前做機器視覺（Machine Vision）方面的應用簡單許多，以往得東套一個、西加一個開發工具或程式庫，現在單純在 OpenVINO™的架構下，把精力放在要做的應用就好。

想起前幾年，為了要試試在 Banana Pi M1 這種類似早期樹苺派的單板電腦下跑機器視覺運算（那是 Ubuntu 14 作業系統的年代），先得搞定在 OpenCV 網路上組成 Python 的套件，只好自己找到電路板上的晶片驅動程式 Driver 、安裝必要的 C 函數庫，然後再用 GCC 去編譯了一天一夜才終於成功，如今看來，真是一段黑暗時期！

有了 OpenVINO™ ，由於許多部份 Intel 都幫忙先包裝、訓練過了，想開發機器視覺應用時，只需以應用程式介面（API ）方式調用 OpenVINO™裡面的各項服務，一切搞定，甚至還有一大堆可以直接下載來用的範例，馬上能有小成果展現： https://software.intel.com/en-us/OpenVINO-toolkit/documentation/pretrained-models

問題在於，對於 Maker 這種動手派的人來說，只能玩範例怎麼會有意思呢？可是話說回來，若是要讓 OpenVINO™ 辨認的物件（Object）在範例裡面沒有怎麼辦？這有點遺憾… OpenVINO™ 目前設計上比較適合用已有的模型（Models）去跑成果（至於 OpenVINO™ 專用的訓練用的工具包，聽說 Intel 也快出了）。

既然目前主要還是利用別的平台訓練出來的 Models ，套用以後可以做物件偵測（Object detection），那從下方架構圖來看，可以運用Tensorflow、Caffe …等不同的深度學習框架來訓練出合用的 Models，再利用OpenVINO™的 Model Optimizer 這個功能，以轉檔的方式把訓練後的成果轉存給OpenVINO™ 使用，這在 MakerPRO 之前的文章中有提到過。