作者：黃明明 英特爾邊緣計(jì)算創(chuàng)新大使

英特爾 發(fā)行版 OpenVINO 工具套件基于 oneAPI 而開發(fā)，可以加快高性能計(jì)算機(jī)視覺和深度學(xué)習(xí)視覺應(yīng)用開發(fā)速度工具套件，適用于從邊緣到云的各種英特爾平臺(tái)上，幫助用戶更快地將更準(zhǔn)確的真實(shí)世界結(jié)果部署到生產(chǎn)系統(tǒng)中。通過簡化的開發(fā)工作流程， OpenVINO 可賦能開發(fā)者在現(xiàn)實(shí)世界中部署高性能應(yīng)用程序和算法。

Java 是一門面向?qū)ο蟮?a target="_blank">編程語言，不僅吸收了 C++ 語言的各種優(yōu)點(diǎn)，還摒棄了 C++ 里難以理解的多繼承、指針等概念，因此 Java 語言具有功能強(qiáng)大和簡單易用兩個(gè)特征。Java 語言作為靜態(tài)面向?qū)ο缶幊陶Z言的代表，極好地實(shí)現(xiàn)了面向?qū)ο罄碚?，允許程序員以優(yōu)雅的思維方式進(jìn)行復(fù)雜的編程。

雖然 OpenVINO 在 [OpenVINO Contrilb][1]提供了 Ubuntu 版本的 api，但由于使用 JNI 技術(shù)，這對(duì)于沒有涉及 C/C++ 編程的開發(fā)者并不是特別的友好，且后期的維護(hù)更新也帶來了不小的麻煩。

在之前的工作中，我們推出了 OpenVINO Java API ，旨在推動(dòng) OpenVINO 在 Java 領(lǐng)域的應(yīng)用，目前已經(jīng)成功在 Mac、Windows、Linux 平臺(tái)實(shí)現(xiàn)使用。在本文中，我們將介紹如何在英特爾開發(fā)套件 AIxBoard 上基于 Linux 系統(tǒng)實(shí)現(xiàn) OpenVINO Java API。

項(xiàng)目中所使用的代碼已上傳至 OpenVINO Java API 倉庫中，GitHub 網(wǎng)址為：

https://github.com/Hmm466/OpenVINO-Java-API

（復(fù)制鏈接到瀏覽器打開）

1. 英特爾開發(fā)套件 AIxBoard 介紹

1.1產(chǎn)品定位

英特爾開發(fā)套件 AIxBoard 是英特爾開發(fā)套件官方序列中的一員，專為入門級(jí)人工智能應(yīng)用和邊緣智能設(shè)備而設(shè)計(jì)。英特爾開發(fā)套件 AIxBoard 能完美勝人工智能學(xué)習(xí)、開發(fā)、實(shí)訓(xùn)、應(yīng)用等不同應(yīng)用場景。該套件預(yù)裝了英特爾 OpenVINO 工具套件、模型倉庫和演示。

套件主要接口與 Jetson Nano 載板兼容，GPIO 與樹莓派兼容，能夠最大限度地復(fù)用成熟的生態(tài)資源。這使得套件能夠作為邊緣計(jì)算引擎，為人工智能產(chǎn)品驗(yàn)證和開發(fā)提供強(qiáng)大支持；同時(shí)，也可以作為域控核心，為機(jī)器人產(chǎn)品開發(fā)提供技術(shù)支撐。

使用英特爾開發(fā)套件 AIxBoard，您將能夠在短時(shí)間內(nèi)構(gòu)建出一個(gè)出色的人工智能應(yīng)用應(yīng)用程序。無論是用于科研、教育還是商業(yè)領(lǐng)域，英特爾開發(fā)套件 AIxBoard 都能為您提供良好的支持。借助 OpenVINO 工具套件，CPU、iGPU 都具備強(qiáng)勁的 AI 推理能力，支持在圖像分類、目標(biāo)檢測、分割和語音處理等應(yīng)用中并行運(yùn)行多個(gè)神經(jīng)網(wǎng)絡(luò)。

1.2產(chǎn)品參數(shù)

1.3AI 推理單元

借助 OpenVINO 工具，能夠?qū)崿F(xiàn) CPU+iGPU 異構(gòu)計(jì)算推理，IGPU 算力約為 0.6TOPS。

2準(zhǔn)備工作

2.1

配置 java 環(huán)境

下載并配置 JDK:

JDK（Java Development Kit）稱為 Java 開發(fā)包或 Java 開發(fā)工具，是一個(gè)編寫 Java 的 Applet 小程序和應(yīng)用程序的程序開發(fā)環(huán)境。JDK 是整個(gè) Java 的核心，包括了 Java 運(yùn)行環(huán)境（Java Runtime Environment），一些 Java 工具和 Java 的核心類庫（Java API）。不論什么 Java 應(yīng)用服務(wù)器實(shí)質(zhì)都是內(nèi)置了某個(gè)版本的 JDK。主流的 JDK 是 Sun 公司發(fā)布的 JDK，除了 Sun 之外，還有很多公司和組織都開發(fā)了自己的 JDK。

2.1.1添加 api 到本地 maven

添加 OpenVINO Java API 至 Maven（目前沒有在 maven 中央倉庫發(fā)布，所以需要手動(dòng)安裝）

2.1.2clone OpenVINO Java API 項(xiàng)目到本地

java
git clone https://github.com/Hmm466/OpenVINO-Java-API

左滑查看更多

2.1.3通過 IDEA 或 Eclipse 打開

通過 maven install 到本地 maven 庫中

[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 14.647 s
[INFO] Finished at: 2023-11-02T21:34:49+08:00
[INFO] ------------------------------------------------------------------------

左滑查看更多

jar 包會(huì)放置在：

/{userHome}/.m2/repository/org/openvino/java-api/1.0-SNAPSHOT/java-api-1.0-SNAPSHOT.pom

2.2安裝 OpenVINO Runtime

OpenVINO 有兩種安裝方式: OpenVINO Runtime 和 OpenVINO Development Tools。

OpenVINO Runtime 包含用于在處理器設(shè)備上運(yùn)行模型部署推理的核心庫。OpenVINO Development Tools 是一組用于處理 OpenVINO 和 OpenVINO 模型的工具，包括模型優(yōu)化器、OpenVINO Runtime、模型下載器等。在此處我們只需要安裝 OpenVINO Runtime 即可。

2.2.1下載 OpenVINO Runtime

訪問 Download the Intel Distribution of OpenVINO Toolkit 頁面，按照下面流程選擇相應(yīng)的安裝選項(xiàng)，在下載頁面，由于 AIxBoard 使用的是 Ubuntu20.04，因此下載時(shí)按照指定的編譯版本下載即可。

2.2.2解壓縮安裝包

我們所下載的 OpenVINO Runtime 本質(zhì)是一個(gè) C++ 依賴包，因此我們把它放到我們的系統(tǒng)目錄下，這樣在編譯時(shí)會(huì)根據(jù)設(shè)置的系統(tǒng)變量獲取依賴項(xiàng)。

shell
cd ~/Downloads/
tar -xvzf l_openvino_toolkit_ubuntu20_2022.3.1.9227.cf2c7da5689_x86_64.tgz
sudo mv l_openvino_toolkit_ubuntu20_2022.3.1.9227.cf2c7da5689_x86_64/runtime/lib/intel64/* /usr/lib/

左滑查看更多

2.3編譯 OpenCV java 庫

2.3.1下載 ANT

由于 OpenCV 編譯出 libopencv_java{version}.[so|dll|dylib] 需要 apache ant 的支持，所以需要手動(dòng)下載ant[2]并加入環(huán)境變量

shell
export ANT_HOME={ant_home}
export PATH=$ANT_HOME/bin:$PATH

左滑查看更多

2.3.2OpenCV[3] 下載源代碼

解壓縮之后進(jìn)入文件夾：

shell
mkdir build
cd build
cmake -DBUILD_SHARED_LIBS=OFF -DWITH_IPP=OFF -DBUILD_ZLIB=OFF -DCMAKE_INSTALL_PREFIX=你的opencv目錄
 -DJAVA_INCLUDE_PATH={jdk 所在位置}/include -DJAVA_AWT_INCLUDE_PATH={jdk 所在位置}/include
 -DJAVA_INCLUDE_PATH2={jdk 所在位置}/include -DBUILD_JAVA=ON ..

左滑查看更多

注意看輸出有沒有：

--  Java:
--   ant:
--   JNI:
--   Java wrappers:
--   Java tests:

左滑查看更多

需要不為 NO 或者有目錄，然后編譯安裝：

shell
make -j 8
make install

左滑查看更多

3在 AIxBoard 上進(jìn)行測試

3.1源代碼直接測試

shell
git clone https://github.com/Hmm466/OpenVINO-Java-API

左滑查看更多

-使用IDEA / Eclipse 打開項(xiàng)目

- 運(yùn)行

src/test/java/org.openvino.java.test.YoloV8Test

3.2創(chuàng)建其他項(xiàng)目進(jìn)行測試

創(chuàng)建一個(gè) AlxBoardDeployYolov8 Maven 項(xiàng)目

創(chuàng)建完成之后引用我們剛剛 install 的 OpenVINO-Java-API，或者直接 clone 項(xiàng)目直接修改體驗(yàn)

maven 引用：

maven

  org.openvino
  java-api
  1.0-SNAPSHOT

【注意】如果才用 maven 依賴需要注意 opencv 的庫引用問題.可以將 OpenVINO-Java-API/libs 的 opencv 庫引用到你的項(xiàng)目下

編寫測試代碼：

java
OpenVINO vino = OpenVINO.load();
OvVersion version = vino.getVersion();
Console.println("---- OpenVINO INFO----");
Console.println("Description : %s", version.description);
Console.println("Build number: %s", version.buildNumber);

左滑查看更多

結(jié)果將輸出：

text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
det
text
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Detection result : 


1: 0 0.92775315  {0, 304, 268x519}
2: 0 0.90614283  {632, 97, 615x725}
3: 0 0.9032028  {286, 198, 190x591}
4: 62 0.902739  {258, 164, 446x284}
5: 0 0.80478114  {739, 262, 123x229}
6: 0 0.7890141  {891, 314, 231x226}
7: 63 0.7383257  {532, 518, 260x275}
8: 63 0.7148062  {861, 448, 90x86}
9: 56 0.5889373  {102, 614, 185x216}
10: 0 0.4642688  {1006, 315, 116x159}
11: 63 0.43404874  {987, 483, 104x126}
12: 63 0.38955435  {892, 480, 202x196}
13: 62 0.30369592  {961, 384, 87x81}

左滑查看更多

seg
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s-seg.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,116,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Segmentation result : 


1: 0 0.9207011  {0, 66, 439x801}
2: 0 0.91634876  {403, 151, 339x721}
3: 63 0.9086068  {37, 460, 388x231}
4: 56 0.74821126  {878, 517, 146x265}
5: 0 0.37459317  {679, 331, 91x263}
6: 0 0.31526685  {641, 345, 45x39}

左滑查看更多

pose
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Classification result : 


1: 1  0.9001118  {407, 151, 334x722} Nose: (0.0 ,0.0 ,3.4155396E-6) Left Eye: (0.0 ,0.0 ,6.0583807E-6) Right Eye: (0.0 ,0.0 ,3.7476743E-6) Left Ear: (0.0 ,0.0 ,3.2295986E-6) Right Ear: (0.0 ,0.0 ,1.7464492E-6) Left Shoulder: (0.0 ,0.0 ,2.5992335E-6) Right Shoulder: (0.0 ,0.0 ,3.937065E-6) Left Elbow: (0.0 ,0.0 ,7.936895E-6) Right Elbow: (0.0 ,0.0 ,2.3217426E-6) Left Wrist: (0.0 ,0.0 ,3.6387396E-6) Right Wrist: (0.0 ,0.0 ,4.40427E-6) Left Hip: (0.0 ,0.0 ,1.940609E-6) Right Hip: (0.0 ,0.0 ,3.770945E-6) Left Knee: (0.0 ,0.0 ,2.4128974E-6) Right Knee: (0.0 ,0.0 ,3.424496E-6) Left Ankle: (0.0 ,0.0 ,7.5513196E-7) Right Ankle: (0.0 ,0.0 ,4.3359764E-6) 
2: 1  0.8558029  {0, 65, 441x802} Nose: (0.0 ,0.0 ,5.9377476E-7) Left Eye: (0.0 ,0.0 ,7.104497E-6) Right Eye: (0.0 ,0.0 ,1.319968E-6) Left Ear: (0.0 ,0.0 ,6.459948E-7) Right Ear: (0.0 ,0.0 ,4.0330252E-7) Left Shoulder: (0.0 ,0.0 ,1.5084498E-7) Right Shoulder: (0.0 ,0.0 ,6.642805E-7) Left Elbow: (0.0 ,0.0 ,2.447048E-6) Right Elbow: (0.0 ,0.0 ,2.463981E-7) Left Wrist: (0.0 ,0.0 ,3.8335997E-7) Right Wrist: (0.0 ,0.0 ,3.6232507E-7) Left Hip: (0.0 ,0.0 ,3.2433576E-7) Right Hip: (0.0 ,0.0 ,7.913691E-7) Left Knee: (0.0 ,0.0 ,4.720929E-7) Right Knee: (0.0 ,0.0 ,4.3835226E-7) Left Ankle: (0.0 ,0.0 ,1.2476052E-7) Right Ankle: (0.0 ,0.0 ,4.4775015E-7) 
3: 1  0.60723305  {678, 333, 95x259} Nose: (0.0 ,0.0 ,8.775595E-7) Left Eye: (0.0 ,0.0 ,7.137654E-7) Right Eye: (0.0 ,0.0 ,1.2003383E-6) Left Ear: (0.0 ,0.0 ,8.495165E-7) Right Ear: (0.0 ,0.0 ,5.2003993E-6) Left Shoulder: (0.0 ,0.0 ,3.1942466E-7) Right Shoulder: (0.0 ,0.0 ,1.1035459E-6) Left Elbow: (0.0 ,0.0 ,5.3546346E-6) Right Elbow: (0.0 ,0.0 ,1.7979652E-6) Left Wrist: (0.0 ,0.0 ,8.755582E-7) Right Wrist: (0.0 ,0.0 ,6.6855574E-7) Left Hip: (0.0 ,0.0 ,4.0984042E-7) Right Hip: (0.0 ,0.0 ,7.5307044E-6) Left Knee: (0.0 ,0.0 ,9.537544E-7) Right Knee: (0.0 ,0.0 ,7.810681E-8) Left Ankle: (0.0 ,0.0 ,3.2538756E-7) Right Ankle: (0.0 ,0.0 ,1.2676019E-6) 
4: 1  0.38707685  {1277, 740, 44x138} Nose: (0.0 ,0.0 ,1.074906E-4) Left Eye: (0.0 ,0.0 ,3.1907311E-6) Right Eye: (0.0 ,0.0 ,9.670388E-6) Left Ear: (0.0 ,0.0 ,4.4663593E-6) Right Ear: (0.0 ,0.0 ,0.0025005206) Left Shoulder: (0.0 ,0.0 ,4.032511E-5) Right Shoulder: (0.0 ,0.0 ,2.5534397E-5) Left Elbow: (0.0 ,0.0 ,0.0043662274) Right Elbow: (0.0 ,0.0 ,4.32287E-5) Left Wrist: (0.0 ,0.0 ,8.4830776E-7) Right Wrist: (0.0 ,0.0 ,5.0576923E-6) Left Hip: (0.0 ,0.0 ,1.1178828E-5) Right Hip: (0.0 ,0.0 ,2.2293802E-5) Left Knee: (0.0 ,0.0 ,3.1517664E-6) Right Knee: (0.0 ,0.0 ,8.923516E-5) Left Ankle: (0.0 ,0.0 ,5.5582723E-6) Right Ankle: (0.0 ,0.0 ,2.206743E-6) 

左滑查看更多

cls
text
---- OpenVINO INFO----
Description : OpenVINO Runtime
Build number: 2023.2.0-12538-e7c1344d3c3
[INFO] Loading model files: model/yolov8/yolov8s.xml
[INFO] model name: torch_jit
[INFO]  inputs:
[INFO]   input name: images
[INFO]   input type: Node
[INFO]   input shape: Shape{, rank=4, dims=1,3,640,640}
[INFO]  outputs:
[INFO]   output name: output0
[INFO]   output type: Node
[INFO]   output shape: Shape{, rank=3, dims=1,84,8400}
[INFO] Read image files: dataset/image/demo_2.jpg


 Classification Top 10 result : 


classid probability
------- -----------
{14789}   {635.549438}
{3679}   {635.543701}
{14788}   {635.522583}
{14731}   {635.518616}
{14730}   {635.513428}
{3839}   {635.502441}
{14790}   {635.497314}
{14732}   {635.489258}
{14781}   {635.486694}
{14739}   {635.484985}

左滑查看更多

4總結(jié)

在該項(xiàng)目中，我們基于 AIxBoard 為硬件基礎(chǔ)實(shí)現(xiàn)了 Java 在 Ubuntu 22.04 系統(tǒng)上成功使用 OpenVINO Java API，并且成功允許了 Yolov8 模型，驗(yàn)證了 Java 運(yùn)行的可行性，并簡化了 Java 開發(fā)者對(duì)于 AI 類項(xiàng)目的上手難度。

同時(shí) OpenVINO Java API 已完成了 Mac、Linux、Windows 的測試，Windows 平臺(tái)的文檔也正在輸出。后續(xù)我還會(huì)將繼續(xù)使用 OpenVINO Java API 在 英特爾開發(fā)套件 AIxBoard 部署更多的深度學(xué)習(xí)模型。

審核編輯：湯梓紅