Hello 画像分類#

この Jupyter ノートブックはオンラインで起動でき、ブラウザーのウィンドウで対話型環境を開きます。ローカルにインストールすることもできます。次のオプションのいずれかを選択します:

BinderGoogle ColabGitHub

この OpenVINO™ の基本的な紹介では、画像分類モデルを使用して推論を行う方法を示します。

このチュートリアルでは、Open Model Zoo の事前トレーニングされた MobileNetV3 モデルが使用されます。OpenVINO IR モデルの作成方法の詳細については、TensorFlow モデルから OpenVINO への変換 チュートリアルを参照してください。

目次:

import platform 

# openvino パッケージをインストール 
%pip install -q "openvino>=2023.1.0" opencv-python tqdm 

if platform.system() != "Windows":
     %pip install -q "matplotlib>=3.4" 
else:
     %pip install -q "matplotlib>=3.4,<3.7"
Note: you may need to restart the kernel to use updated packages.

インポート#

from pathlib import Path 

import cv2 
import matplotlib.pyplot as plt 
import numpy as np 
import openvino as ov 

# `notebook_utils` モジュールを取得 
import requests 

r = requests.get( 
url="https://raw.githubusercontent.com/openvinotoolkit/openvino_notebooks/latest/utils/notebook_utils.py", 
) 

open("notebook_utils.py", "w").write(r.text) 

from notebook_utils import download_file

モデルとデータのサンプルをダウンロード#

base_artifacts_dir = Path("./artifacts").expanduser() 

model_name = "v3-small_224_1.0_float" 
model_xml_name = f"{model_name}.xml" 
model_bin_name = f"{model_name}.bin" 

model_xml_path = base_artifacts_dir / model_xml_name 

base_url = "https://storage.openvinotoolkit.org/repositories/openvino_notebooks/models/mobelinet-v3-tf/FP32/" 

if not model_xml_path.exists(): 
    download_file(base_url + model_xml_name, model_xml_name, base_artifacts_dir) 
    download_file(base_url + model_bin_name, model_bin_name, base_artifacts_dir) 
else: 
    print(f"{model_name} already downloaded to {base_artifacts_dir}")
artifacts/v3-small_224_1.0_float.xml: 0%|          | 0.00/294k [00:00<?, ?B/s]
artifacts/v3-small_224_1.0_float.bin: 0%|          | 0.00/4.84M [00:00<?, ?B/s]

推論デバイスの選択#

OpenVINO を使用して推論を実行するためにドロップダウン・リストからデバイスを選択します

import ipywidgets as widgets 

core = ov.Core() 
device = widgets.Dropdown( 
    options=core.available_devices + ["AUTO"], 
    value="AUTO", 
    description="Device:", 
    disabled=False, 
) 

device
Dropdown(description='Device:', index=1, options=('CPU', 'AUTO'), value='AUTO')

モデルのロード#

core = ov.Core() 
model = core.read_model(model=model_xml_path) 
compiled_model = core.compile_model(model=model, device_name=device.value) 

output_layer = compiled_model.output(0)

画像のロード#

# openvino_notebooks ストレージからイメージをダウンロード 
image_filename = download_file( 
    "https://storage.openvinotoolkit.org/repositories/openvino_notebooks/data/data/image/coco.jpg", 
    directory="data", 
) 

# MobileNet モデルでは、RGB 形式の画像を想定 
image = cv2.cvtColor(cv2.imread(filename=str(image_filename)), code=cv2.COLOR_BGR2RGB) 

# MobileNet 画像の形状に合わせてサイズを変更 
input_image = cv2.resize(src=image, dsize=(224, 224)) 

# 入力形状をモデル化するために形状を変更 
input_image = np.expand_dims(input_image, 0) 
plt.imshow(image);
data/coco.jpg: 0%|          | 0.00/202k [00:00<?, ?B/s]
../_images/hello-world-with-output_11_1.png

推論の実行#

result_infer = compiled_model([input_image])[output_layer] 
result_index = np.argmax(result_infer)
imagenet_filename = download_file( 

"https://storage.openvinotoolkit.org/repositories/openvino_notebooks/data/data/datasets/imagenet/imagenet_2012.txt", 
    directory="data", 
) 

imagenet_classes = imagenet_filename.read_text().splitlines()
data/imagenet_2012.txt: 0%|          | 0.00/30.9k [00:00<?, ?B/s]
# モデルの説明には、このモデルの場合、クラス 0 は背景であると記載されています
# したがって、imagenet_classes の先頭に背景を追加する必要があります 
imagenet_classes = ["background"] + imagenet_classes 

imagenet_classes[result_index]
'n02099267 flat-coated retriever'