????博客主頁： virobotics的CSDN博客：LabVIEW深度學(xué)習(xí)、人工智能博主
??所屬專欄：『LabVIEW深度學(xué)習(xí)實戰(zhàn)』
??上期文章： 【YOLOv8-seg】實戰(zhàn)一：手把手教你使用YOLOv8實現(xiàn)實例分割
??如覺得博主文章寫的不錯或?qū)δ阌兴鶐椭脑?，還望大家多多支持呀！ 歡迎大家?關(guān)注、??點贊、?收藏、??訂閱專欄

前言

Hello，大家好，這里是virobotics。上一篇博客，我們給大家介紹了YOLOv8-Seg在LabVIEW中使用ONNXRuntime實現(xiàn)部署，今天我們一起來看一下LabVIEW使用OpenVINO工具包調(diào)用YOLOv8-Seg實現(xiàn)實例分割。

一、YOLOv8簡介

前面我們在給各位讀者介紹YOLOv8目標檢測的時候介紹過YOLOv8， YOLOv8是由Ultralytics 發(fā)布的。與之前的YOLO相比，YOLOv8 模型更快、更準確，同時為訓(xùn)練模型提供統(tǒng)一框架，以執(zhí)行以下基本任務(wù)，包括：目標檢測、實例分割、圖像分類、人體姿態(tài)。

YOLOv8-seg 有 5 個不同模型大小的預(yù)訓(xùn)練模型：n、s、m、l 和 x。其中 YOLOv8 Nano Seg（YOLOv8n-seg）是最小的模型，但速度最快；而 YOLOv8 Extra Large Seg (YOLOv8x-seg) 是最準確的模型，但速度最慢。

每個模型的準確率及速度如下：

• YOLOv8官方開源地址：https://github.com/ultralytics/ultralytics

二、環(huán)境搭建

2.1 部署本項目時所用環(huán)境

• 操作系統(tǒng)：Windows10
• python：3.6及以上
• LabVIEW：2018及以上 64位版本
• AI視覺工具包：techforce_lib_opencv_cpu-1.0.0.98.vip
• onnx工具包：virobotics_lib_onnx_cuda_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】或virobotics_lib_onnx_cpu-1.13.1.2.vip

2.2 LabVIEW工具包下載及安裝

• AI視覺工具包下載與安裝參考：
  https://blog.csdn.net/virobotics/article/details/123656523
• onnx工具包下載與安裝參考：
  https://blog.csdn.net/virobotics/article/details/124998746

三、導(dǎo)出YOLOv8-seg 實例分割onnx模型

注意：本教程已經(jīng)為大家提供了YOLOv8-seg的onnx模型，可跳過本步驟，直接進行步驟四-項目實戰(zhàn)。若是想要了解YOLOv8-seg的onnx模型如何導(dǎo)出，則可繼續(xù)閱讀本部分內(nèi)容。

下面我們來介紹onnx模型的導(dǎo)出(以YOLOv8s-seg為例，想要導(dǎo)出其他模型的方式也一樣，只需要修改名字即可)

3.1 安裝YOLOv8

YOLOv8的安裝有兩種方式，pip安裝和GitHub安裝。

• pip安裝

pip install ultralytics -i https://pypi.douban.com/simple/

• GitHub安裝

git clone https://github.com/ultralytics/ultralytics

cd ultralytics

pip install -e '.[dev]'

安裝完成后就可以通過yolo命令在命令行進行使用了。

3.2 導(dǎo)出模型為onnx

首先使用命令:

yolo export model=yolov8s-seg.pt format=onnx

完成yolov8s-seg.onnx模型導(dǎo)出，如下圖所示。

YOLOv8-seg模型一共有兩個輸出:

第一個輸出：“output0”；type：float32[1,116,8400]。其中116的前84個列與 YOLOv8目標檢測模型輸出定義一樣，即cx,cy,w,h這4項再加80個類別的分數(shù)；后32列用于計算掩膜數(shù)據(jù)。

第二個輸出：“output1”；type：float32[1,32,160,160]。output0后32個字段與output1的數(shù)據(jù)做矩陣乘法后得到的結(jié)果，即為對應(yīng)目標的掩膜數(shù)據(jù)。

如果覺得上面方式不方便，那我們也可以寫一個python腳本，快速導(dǎo)出yolov8的onnx模型，程序如下：

from ultralytics import YOLO
 
# Load a model
model = YOLO("\models\yolov8s-seg.pt")  # load an official model
 
# Export the model
model.export(format="onnx")

注：有朋友因為網(wǎng)絡(luò)問題，會顯示下載pt失敗，可直接使用本項目中已經(jīng)下載好的yolov8s-seg.pt，如需其他大小的模型，可在該鏈接中下載：https://download.csdn.net/download/virobotics/87704235

四、項目實踐

實現(xiàn)效果：LabVIEW+OpenVINO加速YOLOv8-seg實例分割

• 框架源碼；
  

• 運行效果
  

五、項目源碼

如需源碼，請在一鍵三聯(lián)并訂閱本專欄后評論區(qū)留下郵箱

總結(jié)

以上就是今天要給大家分享的內(nèi)容，希望對大家有用。下一篇文章會給大家更新使用在LabVIEW中使用TensorRT來部署加速YOLOv8實現(xiàn)實例分割，我是virobotics,我們下篇文章見~

如果文章對你有幫助，歡迎?關(guān)注、??點贊、?收藏、??訂閱專欄

推薦閱讀

LabVIEW圖形化的AI視覺開發(fā)平臺（非NI Vision），大幅降低人工智能開發(fā)門檻
LabVIEW圖形化的AI視覺開發(fā)平臺（非NI Vision）VI簡介
LabVIEW AI視覺工具包OpenCV Mat基本用法和屬性
手把手教你使用LabVIEW人工智能視覺工具包快速實現(xiàn)圖像讀取與采集
LabVIEW開放神經(jīng)網(wǎng)絡(luò)交互工具包（ONNX)下載與超詳細安裝教程
手把手教你使用LabVIEW實現(xiàn)Mask R-CNN圖像實例分割（含源碼）
??技術(shù)交流 · 一起學(xué)習(xí) · 咨詢分享，請聯(lián)系??文章來源地址http://www.zghlxwxcb.cn/news/detail-539116.html

到了這里，關(guān)于【YOLOv8-Seg】實戰(zhàn)二：LabVIEW+OpenVINO加速YOLOv8-seg實例分割的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！