MNN的介绍和使用

本章主要简述MNN和运行MNN的应用。

关于MNN

这里直接引用MNN官方网站 [1] 上的介绍：

MNN是一个轻量级的深度神经网络推理引擎，加载深度神经网络模型进行推理预测。适用于服务器/个人电脑/手机/嵌入式各类设备。
目前，MNN已经在阿里巴巴的手机淘宝、手机天猫、优酷等30多个App中使用，覆盖直播、短视频、搜索推荐、商品图像搜索、互动
营销、权益发放、安全风控等场景。

更多的使用细节可以前往其 官方网站 查找

MNN的代码在 [2] 下载。

MNN更详细的介绍，参考如下：

MNN的使用

进入系统后

1、查看MNNConvert版本信息

root@unmatched:/usr/lib# cd   /usr/share/mnn
root@unmatched:/usr/share/mnn# ./MNNConvert --version
1.2

2、运行姿态检测

root@unmatched:/usr/share/mnn# cd  multiPose
root@unmatched:/usr/share/mnn/multiPose# ./multiPose.out pos.mnn gesture.jpg pose.png
main, 381, cost time: 457.343018 ms
main, 405, cost time: 0.567000 ms
../../../_images/mnn_gesture.jpg
../../../_images/mnn_pose.png

生成检测图片pose.png

3、 运行图像分割

root@unmatched:/usr/share/mnn/multiPose# cd   ../segment
root@unmatched:/usr/share/mnn/segment# ./segment.out model.mnn input.jpg result.png
input: w:257 , h:257, bpp: 3
origin size: 121, 140
output w = 257, h=257
../../../_images/mnn_input.jpg
../../../_images/mnn_result.png

生成分割图片result.png

4、 运行图像识别

root@unmatched:/usr/share/mnn/segment# cd  ../pictureRecognition
root@unmatched:/usr/share/mnn/pictureRecognition# ./pictureRecognition.out mobilenet_v2.caffe.mnn Test.jpg
Session Info: memory use 21.807098 MB, flops is 429.428040 M, backendType is 0, batch size = 1
input: w:224 , h:224, bpp: 3
origin size: 1500, 1000
For Image: Test.jpg
386, 0.786081
385, 0.088583
101, 0.079473
294, 0.025234
347, 0.010929
768, 0.002426
345, 0.001051
291, 0.000612
354, 0.000609
346, 0.000596
../../../_images/mnn_Test.jpg

原图片Test.jpg