深度学习模型部署篇——从0部署深度学习语义分割模型（四）-六虎

本文为稀土技术社区首发签约文章，30天内禁止转载，30天后未获授权禁止转载，侵权必究！

作者简介：秃头小苏，致力于用最通俗的言语描述问题

专栏引荐：深度学习网络原理与实战

近期目标：写好专栏的每一篇文章

支撑小苏：点赞、保藏⭐、留言

写在前面

在前面的几节中，我现已为咱们介绍了深度学习在分类模型中的布置，分为以下三节，不清楚的能够去看一看：

深度学习模型布置篇——从0布置深度学习分类模型（一）
深度学习模型布置篇——从0布置深度学习分类模型（二）
深度学习模型布置篇——利用Flask完成深度学习模型布置（三）

那么这篇我将和咱们唠唠如何布置语义切割模型，咱们千万不要潜意识里觉得语义切割模型很难，其实它是很简略的，不清楚的能够去看看语义切割的开山之作——FCN，我也做过原理详解和源码实战篇，不清楚的能够去看看，相信你定会有所收成：

深度学习语义切割篇——FCN原理详解篇
深度学习语义切割篇——FCN源码解析篇

知道了语义切割的根本知识，你就能够来看这篇博客啦。当然了，我还做过语义切割的其它系列，感兴趣的欢迎去踩我的主页。

准备好了喵，咱们这就发车~~~

这儿我想给咱们说一下本文的行文安排，首先我会根据最基础的语义切割模型FCN，给咱们介绍语义切割模型布置的流程，熟悉这个流程之后为咱们介绍介绍mmcv库，根据这个库来完成语义切割模型布置。

根据FCN布置语义切割模型

好啦，咱们这就开端了喔，本末节运用的是FCN模型进行模型布置，因此主张你先读读我写在前面中给出的两篇文章，对FCN完成语义切割有一个根本的了解。

导入东西包

import onnxruntime
import numpy as np
import cv2
from src import fcn_resnet50
import torch

import matplotlib.pyplot as plt
%matplotlib inline

咱们留意一下这儿from src import fcn_resnet50，咱们从src下的fcn_model.py文件中导入了fcn模型结构，src下面的目录结构是这样的：

咱们这儿或许有点疑惑，从fcn_model.py中导入文件，为什么这儿只写了from src呢，其实其它的内容写在了__init__.py文件中，文件内容如下：

对于此不熟悉的能够看一下我的这篇文章。

创建模型

aux = False
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
classes = 20
# create model
model = fcn_resnet50(aux=aux, num_classes=classes+1)

weights_path = "./model_29.pth"
# delete weights about aux_classifier
weights_dict = torch.load(weights_path, map_location='cpu')['model']
for k in list(weights_dict.keys()):
  if "aux" in k:
    del weights_dict[k]

这部分其实便是FCN猜测部分的代码，我直接复制过来了。

加载模型并设置为推理形式

# 加载模型
model.load_state_dict(weights_dict)
# 设置为推理形式
model = model.eval().to(device)

pytorch转ONNX格局

x = torch.randn(1, 3, 520, 520).to(device)
output = model(x)
with torch.no_grad():
  torch.onnx.export(
    model,          # 要转换的模型
    x,            # 模型的任意一组输入
    'model_29.onnx', # 导出的 ONNX 文件名
    opset_version=11,    # ONNX 算子集版别
    input_names=['input'],  # 输入 Tensor 的称号（自己起名字）
    output_names=['output'] # 输出 Tensor 的称号（自己起名字）
   )

这部分和图画分类是一致的，需求留意的是这儿的输入需求是（1, 3, 520, 520）的大小。

载入ONNX模型，获取ONNX Runtime推理器

# ONNX 模型途径
onnx_path = './model_29.onnx'
ort_session = onnxruntime.InferenceSession(onnx_path, providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])

providers=['CUDAExecutionProvider', 'CPUExecutionProvider']参数表明自己根据硬件挑选GPU或者CPU。

载入推理图画

img_path = 'cat.jpg'
img_bgr = cv2.imread(img_path)

咱们来看看咱们的小猫咪长什么样：

图画预处理

上面提到咱们的输入需求是（1, 3, 520, 520）大小的，所以咱们要进行resize操作：

img_bgr_resize = cv2.resize(img_bgr, (520, 520)) # 缩放尺度

enmmm，再来看看resize后的图画吧：【这是用plt库显现的成果】

接着还需求进行其它的一下预处理操作，如下：

img_tensor = img_bgr_resize

# BGR 三通道的均值
mean = (123.675, 116.28, 103.53)

# BGR 三通道的标准差
std = (58.395, 57.12, 57.375)

# 归一化
img_tensor = (img_tensor - mean) / std
img_tensor = img_tensor.astype('float32')

# BGR 转 RGB
img_tensor = cv2.cvtColor(img_tensor, cv2.COLOR_BGR2RGB)

# 调整维度
img_tensor = np.transpose(img_tensor, (2, 0, 1))  #h w c --> c h w
# 扩大 batch-size 维度
input_tensor = np.expand_dims(img_tensor, axis=0)

ONNX Runtime猜测

# ONNX Runtime 输入
ort_inputs = {'input': input_tensor}
# onnx runtime 输出
ort_output = ort_session.run(['output'], ort_inputs)[0]

咱们能够来看看ort_output的维度：

还记得咱们要对这个维度怎么操作吗，如下：

咱们要获取每个chanel中的最大值：

pred_mask = ort_output.argmax(1)[0] #获取ort_output数组中的第一个二维元素

此时pred_mask维度为：

咱们能够通过np.unique(pred_mask)来看看pred_mask中有哪些值：

从上图能够看出有0和8，0表明布景，8表明cat。这个和voc类别文档中的是一致的，文档中布景没有写。

接着咱们能够简略的完成一个可视化，先定义一个字典：

# [127, 127, 127]表明灰色 ；[0, 180, 180]表明黄色
palette_dict = {0: [127, 127, 127], 8: [0, 180, 180]}

然后将0和8两个类别映射成不同的色彩：

opacity = 0.2 # 透明度，越大越挨近原图
# 将猜测的整数ID，映射为对应类别的色彩
pred_mask_bgr = np.zeros((pred_mask.shape[0], pred_mask.shape[1], 3))
for idx in palette_dict.keys():
  pred_mask_bgr[np.where(pred_mask==idx)] = palette_dict[idx]
pred_mask_bgr = pred_mask_bgr.astype('uint8')

# 将语义切割猜测图和原图叠加显现
pred_viz = cv2.addWeighted(img_bgr_resize, opacity, pred_mask_bgr, 1-opacity, 0)

咱们能够来看下最终的猜测成果，即pred_viz，如下：

成果仍是非常不错的。

根据MMCV库完成语义切割模型布置

首先来介绍一下MMCV库，其是一个用于计算机视觉和多媒体计算的开源东西包，首要用于深度学习项目的开发和研究。MMCV是由中国科学院自动化研究所（Institute of Automation, Chinese Academy of Sciences）开发和保护的，它供给了许多用于图画和视频处理、计算机视觉使命、模型练习和布置的实用东西和组件。运用这个库咱们能够很方便的完成各种计算机视觉使命，首先咱们先来装置一下这个库：

pip install -U openmim
mim install mmengine
mim install mmcv==2.0.0

接着装置其它的东西包：

pip install opencv-python pillow matplotlib seaborn tqdm pytorch-lightning 'mmdet>=3.1.0' -i https://pypi.tuna.tsinghua.edu.cn/simple

这儿运用了清华园镜像进行装置，会快许多。咱们留意装置包的时分不要翻开体系代理，不然会装置失败。因为咱们要进行的是语义切割使命，因此需求下载mmsegmentation 源代码:

git clone https://github.com/open-mmlab/mmsegmentation.git -b v1.1.1

然后咱们进入mmsegmentation 目录装置MMSegmentation库:

# 进入主目录
import os
os.chdir('mmsegmentation')
# 装置`MMSegmentation`库
pip install -v -e .

装置好后，咱们来验证下咱们是否装置成功：

# 查看 mmcv
import mmcv
from mmcv.ops import get_compiling_cuda_version, get_compiler_version
print('MMCV版别', mmcv.__version__)
print('CUDA版别', get_compiling_cuda_version())
print('编译器版别', get_compiler_version())

# 查看 mmsegmentation
import mmseg
from mmseg.utils import register_all_modules
from mmseg.apis import inference_model, init_model
print('mmsegmentation版别', mmseg.__version__)

我的版别是这样的：

这些准备好了之后，咱们就能够运用mmsegmentation进行语义切割使命了，操作也很简略，首要便是对各种配置文件的修正。因为本节首要介绍模型布置，这儿如何进行练习就不叙说了。不清楚的能够点击☞☞☞了解概况。

这儿我直接拿同济子豪兄得到的西瓜语义切割ONNX模型来举例了，呜呜，懒的自己从头练习了。下载连接如下：

链接: pan.baidu.com/s/1E7Q0P79n… 提取码: luq8

下载完成后解压就得到了ONNX格局的模型。

这儿先来简略介绍一下西瓜语义切割数据集：

一共有6个类别，分别为：

0：布景
1：红壤
2：绿壳
3：白皮
4：黒籽
5：白籽

下面是标示的图画：

咱们有了ONNX模型后，咱们就能够运用ONNX Runtime推理器进行推理了。

# ONNX 模型途径
onnx_path = 'mmseg2onnx_fastscnn/end2end.onnx'
ort_session = onnxruntime.InferenceSession(onnx_path, providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])

其实到这儿就和前面根据FCN进行语义切割差不多了，我讲这部分便是想让咱们了解了解MMCV这个东西，但是这节也没有详细介绍啦，后期或许会出一些根据MMCV完成目标检测、语义切割的博客。

西瓜数据集一个有6个类，它们的值都很挨近，所以色彩很相似，咱们将这6个值映射到不同的色彩，这样可视化出来愈加漂亮：

# 各类别的配色计划（BGR）
palette = [   ['background', [127,127,127]],
   ['red', [0,0,200]],
   ['green', [0,200,0]],
   ['white', [144,238,144]],
   ['seed-black', [30,30,30]],
   ['seed-white', [180,180,180]]
]

palette_dict = {}
for idx, each in enumerate(palette):
  palette_dict[idx] = each[1]

这个代码不知道咱们能否了解，有不了解的其实调试一下就会恍然大悟：

看了上图的调试过程，咱们是不是就明晰了呢，最后palette_dict是一个字典，内容如下：

接下来，咱们封装一个处理单张图画的函数，如下：【其实这部分便是把上节的几个小部分整合到了一起，没什么难度】

opacity = 0.2 # 透明度，越大越挨近原图
def process_frame(img_bgr):
  
  '''
   输入摄像头画面 bgr-array，输出图画 bgr-array
   '''
  
  # 记录该帧开端处理的时刻
  start_time = time.time()
  
  # 从原图中裁剪出高宽比1:2的最大图画
  h, w = img_bgr.shape[0], img_bgr.shape[1]
  new_h = w // 2 # 横屏图片，截取一半的宽度，作为新的高度
  img_bgr_crop = img_bgr[0:new_h, :]
  
  # 缩放至模型要求的高1024 x 宽2048像素
  img_bgr_resize = cv2.resize(img_bgr_crop, (2048, 1024)) # 缩放尺度
  
  # 预处理
  img_tensor = img_bgr_resize
  mean = (123.675, 116.28, 103.53) # BGR 三通道的均值
  std = (58.395, 57.12, 57.375) # BGR 三通道的标准差

  # 归一化
  img_tensor = (img_tensor - mean) / std
  img_tensor = img_tensor.astype('float32')
  img_tensor = cv2.cvtColor(img_tensor, cv2.COLOR_BGR2RGB) # BGR 转 RGB
  img_tensor = np.transpose(img_tensor, (2, 0, 1)) # 调整维度
  input_tensor = np.expand_dims(img_tensor, axis=0) # 扩大 batch-size 维度

  # ONNX Runtime猜测
  # ONNX Runtime 输入
  ort_inputs = {'input': input_tensor}
  # onnx runtime 输出
  ort_output = ort_session.run(['output'], ort_inputs)[0]
  pred_mask = ort_output[0][0]

  # 将猜测的整数ID，映射为对应类别的色彩
  pred_mask_bgr = np.zeros((pred_mask.shape[0], pred_mask.shape[1], 3))
  for idx in palette_dict.keys():
    pred_mask_bgr[np.where(pred_mask==idx)] = palette_dict[idx]
  pred_mask_bgr = pred_mask_bgr.astype('uint8')

  # 将语义切割猜测图和原图叠加显现
  pred_viz = cv2.addWeighted(img_bgr_resize, opacity, pred_mask_bgr, 1-opacity, 0)
  
  img_bgr = pred_viz
  
  # 记录该帧处理完毕的时刻
  end_time = time.time()
  # 计算每秒处理图画帧数FPS
  FPS = 1/(end_time - start_time)

  # 在画面上写字：图片，字符串，左上角坐标，字体，字体大小，色彩，字体粗细
  scaler = 2 # 文字大小
  FPS_string = 'FPS {:.2f}'.format(FPS) # 写在画面上的字符串
  img_bgr = cv2.putText(img_bgr, FPS_string, (25 * scaler, 100 * scaler), cv2.FONT_HERSHEY_SIMPLEX, 1.25 * scaler, (255, 0, 255), 2 * scaler)
  
  return img_bgr

接着咱们能够来调用摄像头一帧图画来看看成果：

# 获取摄像头，0为电脑默许摄像头，1为外接摄像头
cap = cv2.VideoCapture(0)

# 摄影
time.sleep(1) # 运转本代码后等几秒摄影
# 从摄像头捕获一帧画面
success, frame = cap.read()

cap.release() # 关闭摄像头
cv2.destroyAllWindows() # 关闭图画窗口

frame的成果如下：

enmmmm，我没有西瓜啊，所以这个是手机里边的图片

接着运用img_bgr = process_frame(frame)来推理这张图片，切割成果如下：

能够看到，FPS为1.71，针对我的电脑它现已很快了，咱们能够试试不运用ONNX Runtime推理的FPS，你会发现极端极端低。

小结

本篇就为咱们介绍到这儿了喔，期望咱们都有所收成。⛳⛳⛳吐槽一下，今日踢球又一次伤到脚踝了，坏了，又得在宿舍呆好多天，这篇后边感觉自己写的有点仓促了，咱们多担待，不说了，上床躺尸。

如若文章对你有所协助，那就

深度学习模型部署篇——从0部署深度学习语义分割模型（四）

写在前面

根据FCN布置语义切割模型

导入东西包

创建模型

加载模型并设置为推理形式

pytorch转ONNX格局

载入ONNX模型，获取ONNX Runtime推理器

载入推理图画

图画预处理

ONNX Runtime猜测

根据MMCV库完成语义切割模型布置

小结

相关文章

Android 13 Java调用Native本地服务

C/C++ 构建系统，我用 xmake

AI医疗高精尖！基于AI的新药研发！

可视化LangChain调用链

作者信息