官方公布的github地址：
https://github.com/opencv/open_model_zoo
是intel的计算机视觉的工具箱中提供的预训练模型，这些模型优化过，可以直接拿来用于加速产品开发与部署。
首先，需要安装 OpenVINO tm Toolkit
下载地址 https://software.intel.com/en-us/openvino-toolkit
需要先注册，然后通过邮箱的链接下载。下载的话有在线安装版和离线安装版。这里选择了离线安装版。
主要根据https://software.intel.com/en-us/articles/OpenVINO-Install-Linux 进行安装。
1.解压l_openvino_toolkit_p_2018.3.343.tgz
cd l_openvino_toolkit_p_2018.3.343
2.安装额外的软件依赖项
./install_cv_sdk_dependencies.sh
也可以选择手动安装
3.安装OpenVINO™ Core Components
这里可以选择是否安装gui，安装GUI版本
sudo ./install_GUI.sh
根据出现的界面的引导一路安装
安装位置为 /opt/intel/computer_vision_sdk/ 这是个软链接，链接到具体的版本上
4.设置环境变量
source /opt/intel/computer_vision_sdk/bin/setupvars.sh #临时使用
vim ~/.bashrc
添加source /opt/intel/computer_vision_sdk/bin/setupvars.
保存退出
source ~/.bashrc
5.确认模型的优化器
可以一次把所有框架的模型优化器确认了，也可以一个框架一个框架的搞。这里选择所有一起搞
cd /opt/intel/computer_vision_sdk/deployment_tools/model_optimizer/install_prerequisites
sudo ./install_prerequisites.sh #确认Caffe, TensorFlow, MXNet, Kaldi*, ONNX模型优化器
6.跑demo
图像分类demo
#进入Inference Engine demo目录
cd /opt/intel/computer_vision_sdk/deployment_tools/demo
#跑demo1 图像分类
./demo_squeezenet_download_convert_run.sh
#跑demo2 识别
./demo_security_barrier_camera.sh
demo2结果
至此，toolkit安装完毕，回到一开始的model_zoo.
可以发现，在安装的toolkit的目录下也有model_downloader之类的。
自己将clone下来的该项目demos链接到了这个目录下，然后进行操作。
在demos目录下
mkdir build
cd build
#开始编译
cmake -DCMAKE_BUILD_TYPE=Release /opt/intel/computer
_vision_sdk_2018.3.343/inference_engine/samples
make
然后生成的都在build/intel64/release 下
在该目录下运行 road-segmentation-adas-0001 demo
./segmentation_sample -i
<path>/1.bmp -m <path>/open_model_zoo-2018/model_downloader/Transportation/segmentation/curbs/dldt/road-segmentation-adas-0001.xml
会在该目录下生成bmp文件
这里 -i 后面可以是文件夹名，就可以批量处理图片了，attention，图片需要转化为bmp格式
遇到的问题：
1.由于安装在了opt下，所以没有权限去写
更改文件夹权限 chmod 777 * -R
- 报错ModuleNotFoundError: No module named 'yaml' Error on or near line 132; exiting with status 1
用conda装了无效，最后采用
python3 -m pip install PyYAML
就可以了
3.报错ModuleNotFoundError: No module named 'networkx'
Error on or near line 171; exiting with status 1
conda install networkx
4.报错ModuleNotFoundError: No module named 'protobuf'
conda install protobuf==3.5.1
找到报错的原因了，之前所有的依赖都安装在了ubuntu自带的python里面 自己使用的是conda创建的环境 所以会各种包都没有 装依赖的目录 Requirement already satisfied (use --upgrade to upgrade): protobuf==3.5.1 in /usr/local/lib/python3.5/dist-packages
所以切换到该Python环境也是可以的
