|

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

   
作者: 李盛安,慈濟大學醫資系教授/Intel Software Innovator

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。

想聽李盛安教授親自分享他以OpenVINO結合AI PC開發AI健身輔助教練應用的寶貴經驗,快報名11月7日的OpenVINO DevCon線上講座,與專家線上互動!

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。

本文為會員限定文章

立即加入會員! 全站文章無限看~

                               

已經是會員? 按此登入

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!

會員福利
1

免費電子報

2

會員搶先看

3

主題訂閱

4

好文收藏

李盛安

Author: 李盛安

現任開南大學健康產業管理學系副教授,國立台灣大學資訊工程研究所博士。 專長:醫療資訊系統、生物資訊、雲端運算、大數據、人工智慧、分散式系統、行動裝置程式設計、軟體工程、行動資訊系統、數位圖像處理

Share This Post On

Submit a Comment

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *