基础内容

Yolo 作用

要在一张照片里找出所有的特定物体，比如所有的猫、所有的狗和所有的人。

传统的法： 可能会非常仔细地把照片分成很多很多的小块，然后一块一块地检查：这小块像不像猫的耳朵？这小块像不像狗的鼻子？这小块像不像人的眼睛？ 你需要检查很多很多次，才能把所有的猫、狗和人都找出来，这会比较慢。

YOLO 不会把照片切成无数小块慢慢检查，而是只看一眼整张照片，就能同时告诉你：

• 这里有一只猫！（并且会用一个框框把它圈起来）
• 那里有一只狗！（也会用一个框框把它圈起来）
• 那边站着一个人！（同样会用一个框框把他/她圈起来）

YOLO 非常适合需要快速识别物体的场景，比如自动驾驶汽车识别道路上的车辆和行人，或者监控摄像头快速发现异常情况等等。因为它You Only Look Once（你只看一次）就能完成任务，所以速度非常快。

我们将数据集输入交给yolo并训练出相应模型.pt并交给yolo去识别

OpenVINO 作用

OpenVINO 主要用于加速在使用模型进行推理和识别，而不是模型的训练。 它的核心作用是在部署阶段优化模型，使其在各种英特尔硬件上运行得更快。

Pytorch 作用

PyTorch 是一个用于构建和训练机器学习模型的库或框架。 它是你用来做机器学习的工具

• 面粉、糖、鸡蛋、牛奶 等各种食材（对应着机器学习中的数据、模型参数、神经网络层等）。
• 搅拌器、烤箱、模具 等工具（对应着机器学习中的各种函数、算法、优化器等）。
• 使用这些原材料和工具，按照一定的配方（你的机器学习模型代码），最终烤制出美味的蛋糕（训练好的模型）。

简单来说，PyTorch 是一个用于构建和训练机器学习模型的厨房和食材库。

主要流程

Windows

假设我们现在有一个 部署了yolo12和openvino的环境A 和 部署了labelimg的环境B。那么本文的主要流程如下：

• 使用labelimg制作并获取自己的数据集

• 使用 PyCharm 运行 YOLOv12 将获得的数据集输入到YOLOv12中 训练并获得 .pt 文件

• 然后运行 .pt 文件转化成 ONNX： 这是将 PyTorch 模型转换为 OpenVINO 可识别的中间格式的常用方法。

• 将 .onnx 转化成 .xml 或者 .bin 文件：这是使用 OpenVINO Model Optimizer 将 ONNX 模型转换为 OpenVINO IR 格式的关键步骤。

Ubuntu 22.04：

• 安装 C++ 版本的 OpenVINO 和 OpenCV：这是在 Ubuntu 上使用 OpenVINO C++ API 进行推理的必要准备。
• 使用 OpenCV 读取图片：OpenCV 是一个常用的图像处理库，可以方便地读取图像数据。
• 使用获取的 .xml 或者 .bin 文件在 OpenVINO 上使用来进行识别：将使用 OpenVINO Inference Engine 加载 .xml 和 .bin 文件，并将 OpenCV 读取的图像数据作为输入进行推理，从而实现物体识别。