MobileNet-SSD和SSD300是比较常用的目标检测算法模型，相较于SSD300，MobileNet-SSD是比较轻量化的模型，主要用在手机、嵌入式终端等边缘场景。
模型下载：
1. 进入model downloader目录
Labels下载：
Labels是模型的标签文件，每个标签对应一个实际物体，可以在推论时实时显示侦测到的物体名称。这里使用的SSD300和MobileNet-SSD训练集是一样的，可以共用一个标签文件。 下载成功：
模型转换：
1.创建转换后的文件放置的目录，然后进入model optimizer目录
因为SSD300模型下载下来后模型描述文件和权重文件名字不一样，所以我们先调整一下他们的名字，再进行转换
模型下载：
1. 进入model downloader目录
cd /opt/intel/openvino/deployment_tools/tools/model_downloader
2. 使用model downloader下载SSD300, MobileNet-SSD模型
sudo python3 downloader.py --name mobilenet-ssd,ssd300
Labels下载：
Labels是模型的标签文件，每个标签对应一个实际物体，可以在推论时实时显示侦测到的物体名称。这里使用的SSD300和MobileNet-SSD训练集是一样的，可以共用一个标签文件。 下载成功：
模型转换：
1.创建转换后的文件放置的目录，然后进入model optimizer目录
mkdir -p /home/yanpeng/work/openvino_r/mobilenet-ssd/FP16
mkdir -p /home/yanpeng/work/openvino_r/mobilenet-ssd/FP32
mkdir -p /home/yanpeng/work/openvino_r/ssd300/FP16
mkdir -p /home/yanpeng/work/openvino_r/ssd300/FP32
2. 使用MO对SSD300进行模型转换因为SSD300模型下载下来后模型描述文件和权重文件名字不一样，所以我们先调整一下他们的名字，再进行转换
cp xxx/SSD_300x300_ft/deploy.prototxt ~/work/openvino_r/ssd300/ssd300.prototxt
cp xxx/SSD_300x300_ft/VGG_VOC0712Plus_SSD_300x300_ft_iter_160000.caffemodel ~/work/openvino_r/ssd300/ssd300.caffemodel
python3 mo_caffe.py --input_model /home/yanpeng/work/openvino_r/ssd300/ssd300.caffemodel -o /home/yanpeng/work/openvino_r/ssd300/FP32
python3 mo_caffe.py --input_model /home/yanpeng/work/openvino_r/ssd300/ssd300.caffemodel -o /home/yanpeng/work/openvino_r/ssd300/FP16 --data_type FP16
3. 使用MO对MobileNet-SSD进行模型转换
python3 mo_caffe.py --input_model ~/work/openvino_s/open_model_zoo/tools/downloader/my/download/public/mobilenet-ssd/mobilenet-ssd.caffemodel -o /home/yanpeng/work/openvino_r/mobilenet-ssd/FP32 --scale 256 --mean_values [127,127,127]
python3 mo_caffe.py --input_model ~/work/openvino_s/open_model_zoo/tools/downloader/my/download/public/mobilenet-ssd/mobilenet-ssd.caffemodel -o /home/yanpeng/work/openvino_r/mobilenet-ssd/FP16 --scale 256 --mean_values [127,127,127] --data_type FP16
4. 转换成功后的画面
使用OpenVINO+SSD300进行推论
进入sample目录
cd ~/work/openvino_s/open_model_zoo/demos/python_demos/object_detection_demo_ssd_async/
推论时候指定我们要使用的模型/input/labels：CPU:
python3 object_detection_demo_ssd_async.py -i cam -m /home/yanpeng/work/openvino_r/ssd300/FP32/ssd300.xml -d CPU --labels ~/work/openvino_r/mobilenet-ssd/mobilenet-ssd.labels -l ~/omz_demos_build/intel64/Release/lib/libcpu_extension.so
GPU:
python3 object_detection_demo_ssd_async.py -i cam -m /home/yanpeng/work/openvino_r/ssd300/FP16/ssd300.xml -d GPU --labels ~/work/openvino_r/mobilenet-ssd/mobilenet-ssd.labels
使用OpenVINO+MobileNet-SSD进行推论
CPU:
python3 object_detection_demo_ssd_async.py -i cam -m /home/yanpeng/work/openvino_r/mobilenet-ssd/FP32/mobilenet-ssd.xml -d CPU --labels ~/work/openvino_r/mobilenet-ssd/mobilenet-ssd.labels -l ~/omz_demos_build/intel64/Release/lib/libcpu_extension.so
GPU:
python3 object_detection_demo_ssd_async.py -i cam -m /home/yanpeng/work/openvino_r/mobilenet-ssd/FP16/mobilenet-ssd.xml -d GPU --labels ~/work/openvino_r/mobilenet-ssd/mobilenet-ssd.labels
推论结果如下图：
评论