新闻  |   论坛  |   博客  |   在线研讨会
YOLOP ONNXRuntime C++工程化记录
计算机视觉工坊 | 2022-02-08 19:48:27    阅读:1391   发布文章

作者丨DefTruth @知乎

来源丨https://zhuanlan.zhihu.com/p/411651933

编辑丨 AI约读社

微信图片_20220208194537.jpg

0. 前言

最近准备整理一下使用TNN、MNN、NCNN和ONNXRuntime的系列笔记,好记性不如烂笔头(记性也不好),方便自己以后踩坑的时候爬的利索点~( 看这 ,目前80多C++推理例子,能编个lib来用,感兴趣的同学可以看看,就不多介绍了)

开源项目

描述

github

Lite.AI.ToolKit

A lite C++ toolkit of awesome AI models.(一个开箱即用的C++ AI模型工具箱,emmm,平时学一些新算法的时候顺手捏的,目前包含80+流行的开源模型。不知不觉已经将近800 ⭐️ star啦,欢迎大家来点star⭐️ 、提issue呀~)

https://github.com/DefTruth/lite.ai.toolkit

1. YOLOP简介

华中科大在最近开源了全景感知模型YOLOP,在YOLOv4的基础上做了改进,与YOLOv4相同的是都采用了CSP、SPP等模块,不同的是,YOLOP在Detect检测头之外增加了可驾驶区域分割和航道分割两个分支。很简洁的模型结构,获得了不错的效果。

微信图片_20220208194539.jpg

官方开源的代码在:https://github.com/hustvl/YOLOP

在我fork的分支,可以找到包含转换后的onnx文件和转换代码。

本篇文章不再介绍具体的模型结构,而是简单记录下,我对YOLOP进行C++工程化的过程。先附上完整的C++工程代码。

https://github.com/DefTruth/lite.ai.toolkit/blob/main/lite/ort/cv/yolop.cpp

2. 转换成ONNX的过程

为了成功兼容onnx,首先需要对common中的Focus和Detect进行修改。为了不和原来的common.py搞混,把修改后的文件命名为common2.py。需要修改的主要包括DepthSeperabelConv2d、Focus和Detect。

修改DepthSeperabelConv2d

由于在原来的代码中找不到BN_MOMENTUM变量,直接使用会出错,issues#19. 所以我去掉了这个变量。修改后为:

class DepthSeperabelConv2d(nn.Module):
"""
    DepthSeperable Convolution 2d with residual connection
    """
def __init__(self, inplanes, planes, kernel_size=3, stride=1, downsample=None, act=True):
        super(DepthSeperabelConv2d, self).__init__()
        self.depthwise = nn.Sequential(
            nn.Conv2d(inplanes, inplanes, kernel_size, stride=stride, groups=inplanes, padding=kernel_size // 2,
                      bias=False),
            nn.BatchNorm2d(inplanes)
        )
# self.depthwise = nn.Conv2d(inplanes, inplanes, kernel_size,
# stride=stride, groups=inplanes, padding=1, bias=False)
# self.pointwise = nn.Conv2d(inplanes, planes, 1, bias=False)
        self.pointwise = nn.Sequential(
            nn.Conv2d(inplanes, planes, 1, bias=False),
            nn.BatchNorm2d(planes)
        )
        self.downsample = downsample
        self.stride = stride
try:
            self.act = nn.Hardswish() if act else nn.Identity()
except:
            self.act = nn.Identity()
def forward(self, x):
# residual = x
        out = self.depthwise(x)
        out = self.act(out)
        out = self.pointwise(out)
if self.downsample is not None:
            residual = self.downsample(x)
        out = self.act(out)
return out

修改Detect

原来的直接内存操作,会导致转换后的模型推理异常。可以推理,但是结果是错的。参考我在yolov5的工程化记录ort_yolov5.zh.md以及tiny_yolov4的工程化记录ort_tiny_yolov4.zh.md。我对Detect模块进行了修改,使其兼容onnx。修改后的Detect模块如下:

https://github.com/DefTruth/lite.ai.toolkit/blob/main/docs/ort/ort_tiny_yolov4.zh.md

class Detect(nn.Module):    stride = None  # strides computed during build    def __init__(self, nc=13, anchors=(), ch=()):  # detection layer        super(Detect, self).__init__()        self.nc = nc  # number of classes        self.no = nc + 5  # number of outputs per anchor        self.nl = len(anchors)  # number of detection layers 3        self.na = len(anchors[0]) // 2  # number of anchors 3        self.grid = [torch.zeros(1)] * self.nl  # init grid        a = torch.tensor(anchors).float().view(self.nl, -1, 2)  # (nl=3,na=3,2)        self.register_buffer('anchors', a)  # shape(nl,na,2)        self.register_buffer('anchor_grid', a.clone().view(self.nl, 1, -1, 1, 1, 2))  # shape(nl=3,1,na=3,1,1,2)        self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch)  # output conv        self.inplace = True  # use in-place ops (e.g. slice assignment)    def forward(self, x):        z = []  # inference output        for i in range(self.nl):            x[i] = self.m[i](x[i])  # conv (bs,na*no,ny,nx)            bs, _, ny, nx = x[i].shape            # x(bs,255,20,20) to x(bs,3,20,20,nc+5) (bs,na,ny,nx,no=nc+5=4+1+nc)            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()            if not self.training:  # inference                # if self.grid[i].shape[2:4] != x[i].shape[2:4] or self.onnx_dynamic:                #     self.grid[i] = self._make_grid(nx, ny).to(x[i].device)                self.grid[i] = self._make_grid(nx, ny).to(x[i].device)                y = x[i].sigmoid()  # (bs,na,ny,nx,no=nc+5=4+1+nc)                xy = (y[..., 0:2] * 2. - 0.5 + self.grid[i]) * self.stride[i]  # xy (bs,na,ny,nx,2)                wh = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i].view(1, self.na, 1, 1, 2)  # wh (bs,na,ny,nx,2)                y = torch.cat((xy, wh, y[..., 4:]), -1) # (bs,na,ny,nx,2+2+1+nc=xy+wh+conf+cls_prob)                z.append(y.view(bs, -1, self.no))  # y (bs,na*ny*nx,no=2+2+1+nc=xy+wh+conf+cls_prob)        return x if self.training else (torch.cat(z, 1), x)        # torch.cat(z, 1) (bs,na*ny*nx*nl,no=2+2+1+nc=xy+wh+conf+cls_prob)    @staticmethod    def _make_grid(nx=20, ny=20):        yv, xv = torch.meshgrid([torch.arange(ny), torch.arange(nx)])        return torch.stack((xv, yv), 2).view((1, 1, ny, nx, 2)).float()

修改Focus

在YOLOP工程化中,我并没有修改Focus模块,因为我在使用了高版本的pytorch(1.8.0)和onnx(1.8.0)后,转换出来的onnx模型文件没有问题,可以正常推理。

然后是,修改MCnet,让模型输出想要的3个结果张量。

export_onnx.py

import torchimport torch.nn as nnfrom lib.models.common2 import Conv, SPP, Bottleneck, BottleneckCSP, Focus, Concat, Detect, SharpenConvfrom torch.nn import Upsamplefrom lib.utils import check_anchor_orderfrom lib.utils import initialize_weightsimport argparseimport onnximport onnxruntime as ortimport onnxsimimport mathimport cv2# The lane line and the driving area segment branches without share information with each other and without linkYOLOP = [    [24, 33, 42],  # Det_out_idx, Da_Segout_idx, LL_Segout_idx    [-1, Focus, [3, 32, 3]],  # 0    [-1, Conv, [32, 64, 3, 2]],  # 1    [-1, BottleneckCSP, [64, 64, 1]],  # 2    [-1, Conv, [64, 128, 3, 2]],  # 3    [-1, BottleneckCSP, [128, 128, 3]],  # 4    [-1, Conv, [128, 256, 3, 2]],  # 5    [-1, BottleneckCSP, [256, 256, 3]],  # 6    [-1, Conv, [256, 512, 3, 2]],  # 7    [-1, SPP, [512, 512, [5, 9, 13]]],  # 8 SPP    [-1, BottleneckCSP, [512, 512, 1, False]],  # 9    [-1, Conv, [512, 256, 1, 1]],  # 10    [-1, Upsample, [None, 2, 'nearest']],  # 11    [[-1, 6], Concat, [1]],  # 12    [-1, BottleneckCSP, [512, 256, 1, False]],  # 13    [-1, Conv, [256, 128, 1, 1]],  # 14    [-1, Upsample, [None, 2, 'nearest']],  # 15    [[-1, 4], Concat, [1]],  # 16         #Encoder    [-1, BottleneckCSP, [256, 128, 1, False]],  # 17    [-1, Conv, [128, 128, 3, 2]],  # 18    [[-1, 14], Concat, [1]],  # 19    [-1, BottleneckCSP, [256, 256, 1, False]],  # 20    [-1, Conv, [256, 256, 3, 2]],  # 21    [[-1, 10], Concat, [1]],  # 22    [-1, BottleneckCSP, [512, 512, 1, False]],  # 23    [[17, 20, 23], Detect,     [1, [[3, 9, 5, 11, 4, 20], [7, 18, 6, 39, 12, 31], [19, 50, 38, 81, 68, 157]], [128, 256, 512]]],# Detection head 24: from_(features from specific layers), block, nc(num_classes) anchors ch(channels)    [16, Conv, [256, 128, 3, 1]],  # 25    [-1, Upsample, [None, 2, 'nearest']],  # 26    [-1, BottleneckCSP, [128, 64, 1, False]],  # 27    [-1, Conv, [64, 32, 3, 1]],  # 28    [-1, Upsample, [None, 2, 'nearest']],  # 29    [-1, Conv, [32, 16, 3, 1]],  # 30    [-1, BottleneckCSP, [16, 8, 1, False]],  # 31    [-1, Upsample, [None, 2, 'nearest']],  # 32    [-1, Conv, [8, 2, 3, 1]],  # 33 Driving area segmentation head    [16, Conv, [256, 128, 3, 1]],  # 34    [-1, Upsample, [None, 2, 'nearest']],  # 35    [-1, BottleneckCSP, [128, 64, 1, False]],  # 36    [-1, Conv, [64, 32, 3, 1]],  # 37    [-1, Upsample, [None, 2, 'nearest']],  # 38    [-1, Conv, [32, 16, 3, 1]],  # 39    [-1, BottleneckCSP, [16, 8, 1, False]],  # 40    [-1, Upsample, [None, 2, 'nearest']],  # 41    [-1, Conv, [8, 2, 3, 1]]  # 42 Lane line segmentation head]class MCnet(nn.Module):def __init__(self, block_cfg):        super(MCnet, self).__init__()        layers, save = [], []        self.nc = 1  # traffic or not        self.detector_index = -1        self.det_out_idx = block_cfg[0][0]        self.seg_out_idx = block_cfg[0][1:]        self.num_anchors = 3        self.num_outchannel = 5 + self.nc  # dx,dy,dw,dh,obj_conf+cls_conf# Build modelfor i, (from_, block, args) in enumerate(block_cfg[1:]):            block = eval(block) if isinstance(block, str) else block  # eval stringsif block is Detect:                self.detector_index = i            block_ = block(*args)            block_.index, block_.from_ = i, from_            layers.append(block_)            save.extend(x % i for x in ([from_] if isinstance(from_, int) else from_) if x != -1)  # append to savelistassert self.detector_index == block_cfg[0][0]        self.model, self.save = nn.Sequential(*layers), sorted(save)        self.names = [str(i) for i in range(self.nc)]# set stride、anchor for detector        Detector = self.model[self.detector_index]  # detectorif isinstance(Detector, Detect):            s = 128  # 2x min stride# for x in self.forward(torch.zeros(1, 3, s, s)):#     print (x.shape)with torch.no_grad():                model_out = self.forward(torch.zeros(1, 3, s, s))                detects, _, _ = model_out                Detector.stride = torch.tensor([s / x.shape[-2] for x in detects])  # forward# print("stride"+str(Detector.stride ))            Detector.anchors /= Detector.stride.view(-1, 1, 1)  # Set the anchors for the corresponding scale            check_anchor_order(Detector)            self.stride = Detector.stride# self._initialize_biases()        initialize_weights(self)def forward(self, x):        cache = []        out = []        det_out = Nonefor i, block in enumerate(self.model):if block.from_ != -1:                x = cache[block.from_] if isinstance(block.from_, int) \else [x if j == -1 else cache[j] for j in                          block.from_]  # calculate concat detect            x = block(x)if i in self.seg_out_idx:  # save driving area segment result# m = nn.Sigmoid()# out.append(m(x))                out.append(torch.sigmoid(x))if i == self.detector_index:# det_out = xif self.training:                    det_out = xelse:                    det_out = x[0]  # (torch.cat(z, 1), input_feat) if test            cache.append(x if block.index in self.save else None)return det_out, out[0], out[1]  # det, da, ll# (1,na*ny*nx*nl,no=2+2+1+nc=xy+wh+obj_conf+cls_prob), (1,2,h,w) (1,2,h,w)def _initialize_biases(self, cf=None):  # initialize biases into Detect(), cf is class frequency# https://arxiv.org/abs/1708.02002 section 3.3# cf = torch.bincount(torch.tensor(np.concatenate(dataset.labels, 0)[:, 0]).long(), minlength=nc) + 1.# m = self.model[-1]  # Detect() module        m = self.model[self.detector_index]  # Detect() modulefor mi, s in zip(m.m, m.stride):  # from            b = mi.bias.view(m.na, -1)  # conv.bias(255) to (3,85)            b[:, 4] += math.log(8 / (640 / s) ** 2)  # obj (8 objects per 640 image)            b[:, 5:] += math.log(0.6 / (m.nc - 0.99)) if cf is None else torch.log(cf / cf.sum())  # cls            mi.bias = torch.nn.Parameter(b.view(-1), requires_grad=True)if __name__ == "__main__":    parser = argparse.ArgumentParser()    parser.add_argument('--height', type=int, default=640)  # height    parser.add_argument('--width', type=int, default=640)  # width    args = parser.parse_args()    do_simplify = True    device = 'cuda' if torch.cuda.is_available() else 'cpu'    model = MCnet(YOLOP)    checkpoint = torch.load('./weights/End-to-end.pth', map_location=device)    model.load_state_dict(checkpoint['state_dict'])    model.eval()    height = args.height    width = args.width    print("Load ./weights/End-to-end.pth done!")    onnx_path = f'./weights/yolop-{height}-{width}.onnx'    inputs = torch.randn(1, 3, height, width)    print(f"Converting to {onnx_path}")    torch.onnx.export(model, inputs, onnx_path,                      verbose=False, opset_version=12, input_names=['images'],                      output_names=['det_out', 'drive_area_seg', 'lane_line_seg'])    print('convert', onnx_path, 'to onnx finish!!!')# Checks    model_onnx = onnx.load(onnx_path)  # load onnx model    onnx.checker.check_model(model_onnx)  # check onnx model    print(onnx.helper.printable_graph(model_onnx.graph))  # printif do_simplify:        print(f'simplifying with onnx-simplifier {onnxsim.__version__}...')        model_onnx, check = onnxsim.simplify(model_onnx, check_n=3)assert check, 'assert check failed'        onnx.save(model_onnx, onnx_path)    x = inputs.cpu().numpy()try:        sess = ort.InferenceSession(onnx_path)for ii in sess.get_inputs():            print("Input: ", ii)for oo in sess.get_outputs():            print("Output: ", oo)        print('read onnx using onnxruntime sucess')except Exception as e:        print('read failed')raise e"""    PYTHONPATH=. python3 ./export_onnx.py --height 640 --width 640    PYTHONPATH=. python3 ./export_onnx.py --height 1280 --width 1280    PYTHONPATH=. python3 ./export_onnx.py --height 320 --width 320    """

3. Python版本onnxruntime测试

test_onnx.py

这里我重新现实现了一套推理的逻辑,和原来的demo.py结果保持一致,但只使用了numpy和opencv做数据前后处理,没有用torchvision的transform模块,便于c++复现python逻辑。同时,为了保持逻辑的简单,我实现了等价的resize_unscale函数,替代了原来的letterbox_for_img,这个函数有些工程不友好,而且个人一直都认为copyMakeBorder操作有些鸡肋。resize_unscale进行resize时保持原图的宽高尺度的比例不变,如果是采用普通的resize,推理效果会变差。

import os
import cv2
import torch
import argparse
import onnxruntime as ort
import numpy as np
from lib.core.general import non_max_suppression
def resize_unscale(img, new_shape=(640, 640), color=114):
    shape = img.shape[:2]  # current shape [height, width]
if isinstance(new_shape, int):
        new_shape = (new_shape, new_shape)
    canvas = np.zeros((new_shape[0], new_shape[1], 3))
    canvas.fill(color)
# Scale ratio (new / old) new_shape(h,w)
    r = min(new_shape[0] / shape[0], new_shape[1] / shape[1])
# Compute padding
    new_unpad = int(round(shape[1] * r)), int(round(shape[0] * r))  # w,h
    new_unpad_w = new_unpad[0]
    new_unpad_h = new_unpad[1]
    pad_w, pad_h = new_shape[1] - new_unpad_w, new_shape[0] - new_unpad_h  # wh padding
    dw = pad_w // 2  # divide padding into 2 sides
    dh = pad_h // 2
if shape[::-1] != new_unpad:  # resize
        img = cv2.resize(img, new_unpad, interpolation=cv2.INTER_AREA)
    canvas[dh:dh + new_unpad_h, dw:dw + new_unpad_w, :] = img
return canvas, r, dw, dh, new_unpad_w, new_unpad_h  # (dw,dh)
def infer_yolop(weight="yolop-640-640.onnx",
                img_path="./inference/images/7dd9ef45-f197db95.jpg"):
    ort.set_default_logger_severity(4)
    onnx_path = f"./weights/{weight}"
    ort_session = ort.InferenceSession(onnx_path)
    print(f"Load {onnx_path} done!")
    outputs_info = ort_session.get_outputs()
    inputs_info = ort_session.get_inputs()
for ii in inputs_info:
        print("Input: ", ii)
for oo in outputs_info:
        print("Output: ", oo)
    print("num outputs: ", len(outputs_info))
    save_det_path = f"./pictures/detect_onnx.jpg"
    save_da_path = f"./pictures/da_onnx.jpg"
    save_ll_path = f"./pictures/ll_onnx.jpg"
    save_merge_path = f"./pictures/output_onnx.jpg"
    img_bgr = cv2.imread(img_path)
    height, width, _ = img_bgr.shape
# convert to RGB
    img_rgb = img_bgr[:, :, ::-1].copy()
# resize & normalize
    canvas, r, dw, dh, new_unpad_w, new_unpad_h = resize_unscale(img_rgb, (640, 640))
    img = canvas.copy().transpose(2, 0, 1).astype(np.float32)  # (3,640,640) RGB
    img /= 255.0
    img[:, :, 0] -= 0.485
    img[:, :, 1] -= 0.456
    img[:, :, 2] -= 0.406
    img[:, :, 0] /= 0.229
    img[:, :, 1] /= 0.224
    img[:, :, 2] /= 0.225
    img = np.expand_dims(img, 0)  # (1, 3,640,640)
# inference: (1,n,6) (1,2,640,640) (1,2,640,640)
    det_out, da_seg_out, ll_seg_out = ort_session.run(
        ['det_out', 'drive_area_seg', 'lane_line_seg'],
        input_feed={"images": img}
    )
    det_out = torch.from_numpy(det_out).float()
    boxes = non_max_suppression(det_out)[0]  # [n,6] [x1,y1,x2,y2,conf,cls]
    boxes = boxes.cpu().numpy().astype(np.float32)
if boxes.shape[0] == 0:
        print("no bounding boxes detected.")
return
# scale coords to original size.
    boxes[:, 0] -= dw
    boxes[:, 1] -= dh
    boxes[:, 2] -= dw
    boxes[:, 3] -= dh
    boxes[:, :4] /= r
    print(f"detect {boxes.shape[0]} bounding boxes.")
    img_det = img_rgb[:, :, ::-1].copy()
for i in range(boxes.shape[0]):
        x1, y1, x2, y2, conf, label = boxes[i]
        x1, y1, x2, y2, label = int(x1), int(y1), int(x2), int(y2), int(label)
        img_det = cv2.rectangle(img_det, (x1, y1), (x2, y2), (0, 255, 0), 2, 2)
    cv2.imwrite(save_det_path, img_det)
# select da & ll segment area.
    da_seg_out = da_seg_out[:, :, dh:dh + new_unpad_h, dw:dw + new_unpad_w]
    ll_seg_out = ll_seg_out[:, :, dh:dh + new_unpad_h, dw:dw + new_unpad_w]
    da_seg_mask = np.argmax(da_seg_out, axis=1)[0]  # (?,?) (0|1)
    ll_seg_mask = np.argmax(ll_seg_out, axis=1)[0]  # (?,?) (0|1)
    print(da_seg_mask.shape)
    print(ll_seg_mask.shape)
    color_area = np.zeros((new_unpad_h, new_unpad_w, 3), dtype=np.uint8)
    color_area[da_seg_mask == 1] = [0, 255, 0]
    color_area[ll_seg_mask == 1] = [255, 0, 0]
    color_seg = color_area
# convert to BGR
    color_seg = color_seg[..., ::-1]
    color_mask = np.mean(color_seg, 2)
    img_merge = canvas[dh:dh + new_unpad_h, dw:dw + new_unpad_w, :]
    img_merge = img_merge[:, :, ::-1]
# merge: resize to original size
    img_merge[color_mask != 0] = \
        img_merge[color_mask != 0] * 0.5 + color_seg[color_mask != 0] * 0.5
    img_merge = img_merge.astype(np.uint8)
    img_merge = cv2.resize(img_merge, (width, height),
                           interpolation=cv2.INTER_LINEAR)
for i in range(boxes.shape[0]):
        x1, y1, x2, y2, conf, label = boxes[i]
        x1, y1, x2, y2, label = int(x1), int(y1), int(x2), int(y2), int(label)
        img_merge = cv2.rectangle(img_merge, (x1, y1), (x2, y2), (0, 255, 0), 2, 2)
# da: resize to original size
    da_seg_mask = da_seg_mask * 255
    da_seg_mask = da_seg_mask.astype(np.uint8)
    da_seg_mask = cv2.resize(da_seg_mask, (width, height),
                             interpolation=cv2.INTER_LINEAR)
# ll: resize to original size
    ll_seg_mask = ll_seg_mask * 255
    ll_seg_mask = ll_seg_mask.astype(np.uint8)
    ll_seg_mask = cv2.resize(ll_seg_mask, (width, height),
                             interpolation=cv2.INTER_LINEAR)
    cv2.imwrite(save_merge_path, img_merge)
    cv2.imwrite(save_da_path, da_seg_mask)
    cv2.imwrite(save_ll_path, ll_seg_mask)
    print("detect done.")
if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument('--weight', type=str, default="yolop-640-640.onnx")
    parser.add_argument('--img', type=str, default="./inference/images/9aa94005-ff1d4c9a.jpg")
    args = parser.parse_args()
    infer_yolop(weight=args.weight, img_path=args.img)
"""
    PYTHONPATH=. python3 ./test_onnx.py --weight yolop-640-640.onnx --img ./inference/images/9aa94005-ff1d4c9a.jpg
    """

测试结果如下:

微信图片_20220208194541.jpg

4. C++版本的ONNXRuntime推理实现

yolop.cpp  

https://github.com/DefTruth/lite.ai.toolkit/blob/main/lite/ort/cv/yolop.cpp

// Created by DefTruth on 2021/9/14.//#include "yolop.h"#include "ort/core/ort_utils.h"using ortcv::YOLOP;void YOLOP::resize_unscale(const cv::Mat &mat, cv::Mat &mat_rs,                           int target_height, int target_width,                           YOLOPScaleParams &scale_params){  if (mat.empty()) return;  int img_height = static_cast<int>(mat.rows);  int img_width = static_cast<int>(mat.cols);  mat_rs = cv::Mat(target_height, target_width, CV_8UC3,                   cv::Scalar(114, 114, 114));  // scale ratio (new / old) new_shape(h,w)  float w_r = (float) target_width / (float) img_width;  float h_r = (float) target_height / (float) img_height;  float r = std::fmin(w_r, h_r);  // compute padding  int new_unpad_w = static_cast<int>((float) img_width * r); // floor  int new_unpad_h = static_cast<int>((float) img_height * r); // floor  int pad_w = target_width - new_unpad_w; // >=0  int pad_h = target_height - new_unpad_h; // >=0  int dw = pad_w / 2;  int dh = pad_h / 2;  // resize with unscaling  cv::Mat new_unpad_mat = mat.clone();  cv::resize(new_unpad_mat, new_unpad_mat, cv::Size(new_unpad_w, new_unpad_h));  new_unpad_mat.copyTo(mat_rs(cv::Rect(dw, dh, new_unpad_w, new_unpad_h)));  // record scale params.  scale_params.r = r;  scale_params.dw = dw;  scale_params.dh = dh;  scale_params.new_unpad_w = new_unpad_w;  scale_params.new_unpad_h = new_unpad_h;  scale_params.flag = true;}Ort::Value YOLOP::transform(const cv::Mat &mat_rs){  cv::Mat canva = mat_rs.clone();  cv::cvtColor(canva, canva, cv::COLOR_BGR2RGB);  // (1,3,640,640) 1xCXHXW  ortcv::utils::transform::normalize_inplace(canva, mean_vals, scale_vals); // float32  return ortcv::utils::transform::create_tensor(      canva, input_node_dims, memory_info_handler,      input_values_handler, ortcv::utils::transform::CHW);}void YOLOP::detect(const cv::Mat &mat,                   std::vector<types::Boxf> &detected_boxes,                   types::SegmentContent &da_seg_content,                   types::SegmentContent &ll_seg_content,                   float score_threshold, float iou_threshold,                   unsigned int topk, unsigned int nms_type){  if (mat.empty()) return;  float img_height = static_cast<float>(mat.rows);  float img_width = static_cast<float>(mat.cols);  const int target_height = input_node_dims.at(2);  const int target_width = input_node_dims.at(3);  // resize & unscale  cv::Mat mat_rs;  YOLOPScaleParams scale_params;  this->resize_unscale(mat, mat_rs, target_height, target_width, scale_params);  if ((!scale_params.flag) || mat_rs.empty()) return;  // 1. make input tensor  Ort::Value input_tensor = this->transform(mat_rs);  // 2. inference scores & boxes.  auto output_tensors = ort_session->Run(      Ort::RunOptions{nullptr}, input_node_names.data(),      &input_tensor, 1, output_node_names.data(), num_outputs  );  // det_out, drive_area_seg, lane_line_seg  // 3. rescale & fetch da|ll seg.  std::vector<types::Boxf> bbox_collection;  this->generate_bboxes_da_ll(scale_params, output_tensors, bbox_collection,                              da_seg_content, ll_seg_content, score_threshold,                              img_height, img_width);  // 4. hard|blend nms with topk.  this->nms(bbox_collection, detected_boxes, iou_threshold, topk, nms_type);}void YOLOP::generate_bboxes_da_ll(const YOLOPScaleParams &scale_params,                                  std::vector<Ort::Value> &output_tensors,                                  std::vector<types::Boxf> &bbox_collection,                                  types::SegmentContent &da_seg_content,                                  types::SegmentContent &ll_seg_content,                                  float score_threshold, float img_height,                                  float img_width){  Ort::Value &det_out = output_tensors.at(0); // (1,n,6=5+1=cxcy+cwch+obj_conf+cls_conf)  Ort::Value &da_seg_out = output_tensors.at(1); // (1,2,640,640)  Ort::Value &ll_seg_out = output_tensors.at(2); // (1,2,640,640)  auto det_dims = output_node_dims.at(0); // (1,n,6)  const unsigned int num_anchors = det_dims.at(1); // n = ?  float r = scale_params.r;  int dw = scale_params.dw;  int dh = scale_params.dh;  int new_unpad_w = scale_params.new_unpad_w;  int new_unpad_h = scale_params.new_unpad_h;  // generate bounding boxes.  bbox_collection.clear();  unsigned int count = 0;  for (unsigned int i = 0; i < num_anchors; ++i)  {    float obj_conf = det_out.At<float>({0, i, 4});    if (obj_conf < score_threshold) continue; // filter first.    unsigned int label = 1;  // 1 class only    float cls_conf = det_out.At<float>({0, i, 5});    float conf = obj_conf * cls_conf; // cls_conf (0.,1.)    if (conf < score_threshold) continue; // filter    float cx = det_out.At<float>({0, i, 0});    float cy = det_out.At<float>({0, i, 1});    float w = det_out.At<float>({0, i, 2});    float h = det_out.At<float>({0, i, 3});    types::Boxf box;    // de-padding & rescaling    box.x1 = ((cx - w / 2.f) - (float) dw) / r;    box.y1 = ((cy - h / 2.f) - (float) dh) / r;    box.x2 = ((cx + w / 2.f) - (float) dw) / r;    box.y2 = ((cy + h / 2.f) - (float) dh) / r;    box.score = conf;    box.label = label;    box.label_text = "traffic car";    box.flag = true;    bbox_collection.push_back(box);    count += 1; // limit boxes for nms.    if (count > max_nms)      break;  }#if LITEORT_DEBUG  std::cout << "detected num_anchors: " << num_anchors << "\n";  std::cout << "generate_bboxes num: " << bbox_collection.size() << "\n";#endif  // generate da && ll seg.  da_seg_content.names_map.clear();  da_seg_content.class_mat = cv::Mat(new_unpad_h, new_unpad_w, CV_8UC1, cv::Scalar(0));  da_seg_content.color_mat = cv::Mat(new_unpad_h, new_unpad_w, CV_8UC3, cv::Scalar(0, 0, 0));  ll_seg_content.names_map.clear();  ll_seg_content.class_mat = cv::Mat(new_unpad_h, new_unpad_w, CV_8UC1, cv::Scalar(0));  ll_seg_content.color_mat = cv::Mat(new_unpad_h, new_unpad_w, CV_8UC3, cv::Scalar(0, 0, 0));  for (int i = dh; i < dh + new_unpad_h; ++i)  {    // row ptr.    uchar *da_p_class = da_seg_content.class_mat.ptr<uchar>(i - dh);    uchar *ll_p_class = ll_seg_content.class_mat.ptr<uchar>(i - dh);    cv::Vec3b *da_p_color = da_seg_content.color_mat.ptr<cv::Vec3b>(i - dh);    cv::Vec3b *ll_p_color = ll_seg_content.color_mat.ptr<cv::Vec3b>(i - dh);    for (int j = dw; j < dw + new_unpad_w; ++j)    {      // argmax      float da_bg_prob = da_seg_out.At<float>({0, 0, i, j});      float da_fg_prob = da_seg_out.At<float>({0, 1, i, j});      float ll_bg_prob = ll_seg_out.At<float>({0, 0, i, j});      float ll_fg_prob = ll_seg_out.At<float>({0, 1, i, j});      unsigned int da_label = da_bg_prob < da_fg_prob ? 1 : 0;      unsigned int ll_label = ll_bg_prob < ll_fg_prob ? 1 : 0;      if (da_label == 1)      {        // assign label for pixel(i,j)        da_p_class[j - dw] = 1 * 255;  // 255 indicate drivable area, for post resize        // assign color for detected class at pixel(i,j).        da_p_color[j - dw][0] = 0;        da_p_color[j - dw][1] = 255;  // green        da_p_color[j - dw][2] = 0;        // assign names map        da_seg_content.names_map[255] = "drivable area";      }      if (ll_label == 1)      {        // assign label for pixel(i,j)        ll_p_class[j - dw] = 1 * 255;  // 255 indicate lane line, for post resize        // assign color for detected class at pixel(i,j).        ll_p_color[j - dw][0] = 0;        ll_p_color[j - dw][1] = 0;        ll_p_color[j - dw][2] = 255;  // red        // assign names map        ll_seg_content.names_map[255] = "lane line";      }    }  }  // resize to original size.  const unsigned int h = static_cast<unsigned int>(img_height);  const unsigned int w = static_cast<unsigned int>(img_width);  // da_seg_mask 255 or 0  cv::resize(da_seg_content.class_mat, da_seg_content.class_mat,             cv::Size(w, h), cv::INTER_LINEAR);  cv::resize(da_seg_content.color_mat, da_seg_content.color_mat,             cv::Size(w, h), cv::INTER_LINEAR);  // ll_seg_mask 255 or 0  cv::resize(ll_seg_content.class_mat, ll_seg_content.class_mat,             cv::Size(w, h), cv::INTER_LINEAR);  cv::resize(ll_seg_content.color_mat, ll_seg_content.color_mat,             cv::Size(w, h), cv::INTER_LINEAR);  da_seg_content.flag = true;  ll_seg_content.flag = true;}void YOLOP::nms(std::vector<types::Boxf> &input, std::vector<types::Boxf> &output,                float iou_threshold, unsigned int topk, unsigned int nms_type){  if (nms_type == NMS::BLEND) ortcv::utils::blending_nms(input, output, iou_threshold, topk);  else if (nms_type == NMS::OFFSET) ortcv::utils::offset_nms(input, output, iou_threshold, topk);  else ortcv::utils::hard_nms(input, output, iou_threshold, topk);}

测试用例见

https://github.com/DefTruth/lite.ai.toolkit/blob/main/examples/lite/cv/test_lite_yolop.cpp

所有的C++代码放在了我写的工具箱中

https://github.com/DefTruth/lite.ai.toolkit/blob/main/README.zh.md

本文仅做学术分享,如有侵权,请联系删文。

*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。

参与讨论
登录后参与讨论
推荐文章
最近访客