Was ist ein Blob und wie extrahiert man Erkennungsdaten?

Es kann nicht bestimmt werden, wie ein "Blob" bei der Arbeit mit dem OpenVINO™-Toolkit verwendet wird und wie die Erkennungsausgabedaten extrahiert werden.

In älteren OpenVINO™ Releases (auf der Inference Engine basierende APIs) bezog sich ein "Blob" auf einen Container für Eingabe- oder Ausgabedaten, die an die Inferenz-Engine übergeben wurden. Dieses Konzept wurde mit APIs wie SetBlob() verwendet.

In aktuellen OpenVINO™ Versionen wird der Begriff "Blob" nicht mehr verwendet. Stattdessen arbeitet OpenVINO direkt mit Tensoren:

• In C++ werden Daten mit ov::Tensor | dargestellt.
• In Python* werden Daten normalerweise als NumPy-Arrays behandelt.

Erkennungsdaten werden extrahiert, indem auf die Ausgabetensoren eines kompilierten Modells zugegriffen und diese gemäß der Definition der Ausgabeschicht des Modells interpretiert werden. Ausgabegröße und -struktur werden durch die Modelltopologie und die Ausgabeebenen bestimmt, nicht durch die Größe der .bin Datei.

Für Benutzer, die Legacy-Code migrieren:

• Ersetzen Verwendung von Blob und SetBlob() mit tensorbasierter Eingabe-/Ausgabebehandlung.
• Verwenden Sie benannte Ausgaben oder Ausgabeindizes aus dem kompilierten Modell, um Erkennungsergebnisse abzurufen.

Die "Blob"-Terminologie stammt aus älteren Inference Engine-APIs und kann noch in älteren Beispielen oder Dokumentationen vorkommen. Informationen zu aktuellen OpenVINO-Workflows finden Sie in der Dokumentation zur OpenVINO Runtime, in der die tensorbasierte Verarbeitung von Eingabe-/Ausgaben und das Parsen von Erkennungsergebnissen beschrieben werden.

Unter OpenVINO™ Integrationen finden Sie eine allgemeine Beschreibung des Prozesses zur Integration von OpenVINO™ in Ihre Anwendung.