Étape rapide pour exclure les nœuds de sortie supplémentaires dans le fichier crnn_cs.xml.
- Modèle de reconnaissance de texte crnn_cs.onnx converti en représentation intermédiaire (IR) :
python mo.py --input_model crnn_cs.onnx - Erreur rencontrée lors de l’exécution de l’échantillon OpenCV text_detection.cpp avec les fichiers IR générés :
(expected: 'outs.size() == (size_t)1'), where 'out.size()' is 5 must be equal to '(size_t)1' is 1 - Les fichiers IR contiennent 5 sorties, tandis que le modèle ONNX d’origine n’a qu’une sortie.
L’échantillon OpenCV text_detection.cpp prévoit que la bibliothèque DNN effectuera une vérification de sortie et provoquera une erreur si plus d’une sortie est détectée.
Replacez le résultat sur FakeRes bm dans le fichier crnn_cs.xml pour les nœuds supplémentaires :
- name="LSTM_183/FinalConcat/CellState/sink_port_0" type="Result"
- name="LSTM_183/FinalConcat/HiddenState/sink_port_0" type="Result"
- name="LSTM_201/FinalConcat/CellState/sink_port_0" type="Result"
- name="LSTM_201/FinalConcat/HiddenState/sink_port_0" type="Result"
- name="LSTM_183/FinalConcat/CellState/sink_port_0" type="FakeResult"
- name="LSTM_183/FinalConcat/HiddenState/sink_port_0" type="FakeResult"
- name="LSTM_201/FinalConcat/CellState/sink_port_0" type="FakeResult"
- name="LSTM_201/FinalConcat/HiddenState/sink_port_0" type="FakeResult"
Lors de la conversion de modèles en IR à l’aide de Model Optimizer, il est possible que certaines couches soient divisées au cours de l’optimisation, et que les nœuds supplémentaires sont reconnus comme des nœuds valides par OpenVINO bibliothèque.