模型效果：
在上文中，我們制作了數據集，並利用數據集進行了模型的訓練，利用靜態圖片和視頻對模型的檢測效果進行了檢驗，發現效果還是不錯的。
前兩張為靜態圖片檢測，后一張為視頻檢測效果截圖。
但是模型要想部署在算力微弱的樹莓派上，還需要進行兩次模型轉化才能運行在NCS上進行前向推理。
模型轉化：
第一次轉化：（.weight-->.pb）
這里的模型轉化OpenVINO給出了官方指南https://docs.openvinotoolkit.org/latest/_docs_MO_DG_prepare_model_convert_model_tf_specific_Convert_YOLO_From_Tensorflow.html 但是可能會出現錯誤。
python3 convert_weights_pb.py \
--class_names yolov3-tiny-mine.names \
--weights_file weights/yolov3-tiny-mine_40000.weights \
--data_format NHWC \
--tiny \
--output_graph pbmodels/frozen_yolov3-tiny-mine.pb
執行完上述代碼，就能得到Tensorflow支持的模型文件。
第二次轉化：（.pb-->.IR)
第二次的模型轉化我在windows環境下完成的。
python "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\mo_tf.py" --input_shape [1,416,416,3] -m "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\frozen_yolov3-tiny-mine.pb" --reverse_input_channels --tensorflow_use_custom_operations_config "C:\Program Files (x86)\IntelSWTools\openvino_2019.1.087\deployment_tools\model_optimizer\yolo_v3_tiny_mine.json" -n tiny_yolov3 --data_type FP16
樹莓派環境配置：
1. 材料硬件：
-
樹莓派3B+
-
intel movidius 神經元計算棒
-
顯示器、鼠標鍵盤、讀卡器、用於做樹莓派系統盤的16GTF卡
-
燒寫樹莓派系統用的PC（win10）
2. 下載樹莓派鏡像並解壓
樹莓派系統鏡像使用Stretch版本——2018-11-13-raspbian-stretch
下載鏈接：http://downloads.raspberrypi.org/raspbian_latest
參考：http://shumeipai.nxez.com/download#os
下載並解壓出img文件
3. 燒寫鏡像
插入16G TF卡，格式化，打開鏡像燒寫軟件Win32DiskImager.exe加載鏡像，進行下載：
點write，再yes
燒寫成功,拔出TF卡.
4. 啟動樹莓派
紅綠指示燈都會閃就表示系統啟動成功，然后等待顯示器顯示桌面
5. 配置樹莓派
使用管理員權限，執行
leafpad /etc/apt/sources.list
在打開的文件中，用#注釋掉原文件內容，用以下內容取代：
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
保存，退出。
使用管理員權限執行：
leafpad /etc/apt/sources.list.d/raspi.list
用#注釋掉原文件內容，用以下內容取代：
deb http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
deb-src http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
保存，退出。
使用sudo apt-get update命令，更新軟件源列表，同時檢查您的編輯是否正確。
完成，換成了清華大學的軟件源。
6. 安裝cmake
再后面的安裝中需要cmake，要先安裝，執行：
apt install cmake
到這里樹莓派的配置就完成了，接下來要開始計算棒toolkit的安裝了
7. 下載OpenVINO toolkit for Raspbian安裝包：
https://download.01.org/openvinotoolkit/2018_R5/packages/l_openvino_toolkit_ie_p_2018.5.445.tgz
本次使用的版本是2018.5.445，安裝請在下面鏈接中查看最新的安裝包版本：
https://software.intel.com/en-us/articles/OpenVINO-Install-RaspberryPI
下載完后包位於Downloads/目錄下，打開命令行
cd ~/Downloads/
解壓包：
tar -xf l_openvino_toolkit_ie_p_2018.5.445.tgz
8. 配置路徑與環境
執行以下命令，會自動對setupvars.sh文件做修改
sed -i "s|<INSTALLDIR>|$(pwd)/inference_engine_vpu_arm|" inference_engine_vpu_arm/bin/setupvars.sh
再配置環境，有兩種做法
一種是臨時的，只對該次的窗口有效
source inference_engine_vpu_arm/bin/setupvars.sh
還有永久性的，執行：
leafpad /home/pi/.bashrc
打開.bashrc文件，再最后一行添加一句：
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh
保存，再打開一個新的終端，如果出現：
[setupvars.sh] OpenVINO environment initialized
就表示成功了
9. 添加USB規則
將當前Linux用戶添加到users組：
sudo usermod -a -G users "$(whoami)"
注：這里要說的是我們現在是root用戶，如果打開新窗口的話起始用戶是pi，所以出現[setupvars.sh] OpenVINO environment initialized，是對於pi用戶來說的，如果在新窗口中用root執行程序，其實並沒有成功加載[setupvars.sh] OpenVINO environment initialized，需要自己再執行一遍
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh，才能給root用戶配置好OpenVINO environment initialized。
接下來配置USB規則，執行：
sh inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh
到這里就成功安裝好計算棒所需的所有東西了。
模型部署：
使用github PINTO0309的OpenVINO-YoloV3工程，應該是個日本的工程師寫的，特別感謝。
利用工程下的openvino_tiny-yolov3_MultiStick_test.py進行測試，在文件中指定我們轉化好的模型文件。
運行。
盡管速度不快，但最快也能達到7-8幀的樣子。
本文將訓練好的原始模型經過兩次轉化得到了可以被NCS所支持的模型文件，並搭建好樹莓派所需的運行環境，最終將模型部署在樹莓派上並完成了測試。下篇文章將介紹，樹莓派小車的控制程序以及微信報警程序的實現。