OpenVINO2022全新C++SDK使用解析

2022版本的安装包跟之前的不一样地方包括：

-OpenCV部分不在默认安装包中-Dev Tools 跟 Runtime安装方式不同-Dev Tools包模型转换器跟其它开发组件-Runtime主要负责模型推理，支持Python跟C++

在intel官方下载页面选择如下：

下载之后点击安装，出现的第一个画面如下：

点击【Continue】

选择第一种，推荐安装方式，点击【Continue】

点击【Install】就会开始正式安装过程！这个过程中如果你没有安装VS2019会有一个警告出现，直接选择忽视，继续安装即可！因为我VS2017。

1. 包含目录

2. 库目录

3. 附加依赖项添加

这样就完成了

最后配置好环境变量

然后重启VS2017，执行如下代码测试：

#include 
#include 

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    // 创建IE插件, 查询支持硬件设备
    ov::Core ie;
    vector<string> availableDevices = ie.get_available_devices();
    for (int i = 0; i < availableDevices.size(); i++) {
        printf("supported device name : %s \n", availableDevices[i].c_str());
    }
    return 0;
}

运行结果如下：

size_t num_channels = tensor_shape[1];
size_t h = tensor_shape[2];
size_t w = tensor_shape[3];
Mat blob_image;
resize(src, blob_image, Size(w, h));
blob_image.convertTo(blob_image, CV_32F);
blob_image = blob_image / 255.0;


// NCHW
float* image_data = input_tensor.data();
for (size_t row = 0; row < h; row++) {
         for (size_t col = 0; col < w; col++) {
                  image_data[row * w + col] = blob_image.at(row, col);
         }
}

// 执行预测
infer_request.infer();

// 获取输出数据
auto output_tensor = infer_request.get_output_tensor();
const float* detection = (float*)output_tensor.data();

ov::InferRequest支持直接获取输入跟输出tensor，分别对应方法是

get_input_tensor()get_output_tensor()

扫码查看OpenCV+OpenVIO+Pytorch系统化学习路线图