作者：賴桑
透過機器視覺（Machine Vision）的應用越來越多，過往要實作這方面的應用對一般人而言是有一定的門檻，但透過OpenVINO™這樣的工具可降低這個門檻，因為它已經把開發機器視覺應用的基本結構簡單化，所以對於想開發AI應用的人來說頗有幫助。上次我寫了一篇關於如何套用現有的模型（Model）來做物件偵測（Object Detection），剛好看到CH大／曾成訓之前在Raspberry Pi上做了一台麵包結帳機，所以就手癢自己用Windows 10 PC來跑OpenVINO™的這個應用看看～
本篇所需設備超級簡單：就一台Windows 10 PC跟一個外接的羅技Logitech C170 WebCam，其實也不一定要外接WebCam，鏡頭可以拍到要辨認的麵包就行了！本次我看過整個CH大的大作後，重工成只靠軟體能執行就可以運作。
說真的，這次CH大的功勞不小，就算訓練出來的Model還不是很精準，可是當作展示範本已經工程浩大！畢竟訓練（Training）其實是機器學習（Machine Learning）裡比寫應用更麻煩的一段，因為到底要怎麼訓練(幾層？幾個神經元？)才能夠讓模型逐漸收斂到我們堪用的程度，這可是截至目前為止，沒有標準答案！
系統運作原理
系統其實只是一直處在迴圈Loop狀態下，不斷地進行物件偵測而已：
系統運行流程大要（圖片來源：賴桑）
程式碼的基本解說
但程式上的寫法，就得特別跟各位講解一下了！原則上程式碼總共分成三個檔案：
只需不到短短一分鐘... 輸入您的信箱與ID註冊即可享有一切福利! 免費電子報 會員搶先看 主題訂閱 好文收藏會員福利
.jpg)
.jpg)
2020/01/03
1. Thanks for your detailed comments.
2. Keras model can be converted into tensorflow model (call it TF_Keras), then you can let this TF_Keras be fed into MO to get the openvino-based weights. However, you must take care the following facts:
2.1 Output/input/deimnesions (for Model layers): may be modified as required;
2.2 Precision: 32 bit/64 bit/
That is all. It is midnight, good night !!