OpenVINO 2024.2姿態模型效能評估：以OpenPose、YOLOv8與3D-Pose為例

Posted By 李盛安 on 8 月 5, 2024 in AI PC, ASRock, Edge AI教學文, Edge AI解決方案, Edge AI開發環境, Intel, OpenVINO, OpenVINO專欄, OpenVINO應用, OpenVINO教學文, OpenVINO評測文, YOLOv5/7/8, 教學文, 案例研究, 評測, 開箱文 | 0 comments

在人工智慧與電腦視覺領域中，姿態估計技術的發展一直扮演著關鍵角色。隨著深度學習的進步，越來越多高效的姿態估計模型被提出並應用於各種場景中。OpenVINO 2024.2 作為 Intel 最新的 AI 部署工具，為模型部署提供強大的支援。本篇文章將探討幾個姿態估計模型在OpenVINO 2024.2上的效能表現。本文的運作平台是Intel AI PC，透過Intel Core Ultra內的CPU、iGPU 和 NPU 執行並觀察不同模型於OpenVINO 2024.2環境下執行的效能與目前軟體平台支援的狀態，同時也讓有興趣在姿態辨識應用的使用者與開發人員提供參考，了解適合自己應用需求的姿態估計方案。

本文主要於ASRock NUC BOX-155H平台進行，使用Intel Core Ultra運作的NUC (下一代計算單元)。我們將姿態辨識模型OpenPose、3D Pose、MoveNet 與 YOLOv8 模型轉換為OpenVINO IR模型格式，分別在CPU、iGPU及NPU上進行部署。觀察這些模型在CPU、iGPU及NPU的硬體效能差異，透過實際執行影片推論的過程，觀察NPU的性能表現。

本次測試機器ASRock NUC BOX-155H的記憶體大小為32G，使用的作業系統是Ubuntu 22.04.4 LTS。

作業系統與驅動程式

1. 作業系統：

   • 版本：Ubuntu 22.04.4 LTS
   • 核心版本：6.5.0-44

2. OpenVINO：

   • 版本：2024.2

3. 驅動程式：

   • iGPU與NPU驅動程式的安裝方式，本文後面會提及安裝步驟。

OpenVINO 2024.2姿態估計套件介紹

如果是剛接觸OpenVINO的使用者，目前有許多方法可以安裝OpenVINO 2024.2的運作環境，在本文中透過Python程式環境來安裝OpenVINO的開發環境，在OpenVINO 2024.2的官方網頁中，可以看到不同作業環境下的安裝方式。