推理引擎(IE)應(yīng)用開發(fā)流程

與相關(guān)函數(shù)介紹

通過OpenVINO的推理引擎跟相關(guān)應(yīng)用集成相關(guān)深度學(xué)習(xí)模型的應(yīng)用基本流程如下：

圖-1

從圖-1可以看到只需要七步就可以完成應(yīng)用集成，實(shí)現(xiàn)深度學(xué)習(xí)模型的推理預(yù)測(cè)，各步驟中相關(guān)的API函數(shù)支持與作用解釋如下：

Step 1:

InferenceEngine::Core // IE對(duì)象

Step 2:

Core.ReadNetwork(xml/onnx)輸入的IR或者onnx格式文件，返回CNNNetwork對(duì)象

Step 3:

InferenceEngine::InputsDataMap, InferenceEngine::InputInfo, // 模型輸入信息
InferenceEngine::OutputsDataMap // 模型輸出信息

使用上述兩個(gè)相關(guān)輸入與輸出對(duì)象就可以設(shè)置輸入的數(shù)據(jù)類型與精度，獲取輸入與輸出層的名稱。

Step 4:

ExecutableNetwork LoadNetwork (
const CNNNetwork &network,
const std::string &deviceName,
const std::map< std::string, std::string > &config={}
)

通過Core的LoadNetwork方法生成可執(zhí)行的網(wǎng)絡(luò)，如果你有多個(gè)設(shè)備，就可以創(chuàng)建多個(gè)可執(zhí)行的網(wǎng)絡(luò)。其參數(shù)解釋如下：

network 參數(shù)表示step2加載得到CNNNetwork對(duì)象實(shí)例

deviceName表示模型計(jì)算所依賴的硬件資源，可以為CPU、GPU、 FPGA、 FPGA、MYRIAD

config默認(rèn)為空

InferRequest InferenceEngine::CreateInferRequest()

表示從可執(zhí)行網(wǎng)絡(luò)創(chuàng)建推理請(qǐng)求。

Step 5:

根據(jù)輸入層的名稱獲取輸入buffer數(shù)據(jù)緩沖區(qū)，然后把輸入圖像數(shù)據(jù)填到緩沖區(qū)，實(shí)現(xiàn)輸入設(shè)置。其中根據(jù)輸入層名稱獲取輸入緩沖區(qū)的函數(shù)為如下：

Blob::Ptr GetBlob (
const std::string &name // 輸入層名稱
)

注意：返回包含輸入層維度信息，支持多個(gè)輸入層數(shù)據(jù)設(shè)置！

Step 6:

推理預(yù)測(cè)，直接調(diào)用推理請(qǐng)求的InferRequest.infer()方法即可，該方法無(wú)參數(shù)。

Step 7:

調(diào)用InferRequest的GetBlob()方法，使用參數(shù)為輸出層名稱，就會(huì)得到網(wǎng)絡(luò)的輸出預(yù)測(cè)結(jié)果，根據(jù)輸出層維度信息進(jìn)行解析即可獲取輸出預(yù)測(cè)信息與顯示。

圖像分類與ResNet網(wǎng)絡(luò)

圖像分類是計(jì)算機(jī)視覺的關(guān)鍵任務(wù)之一，關(guān)于圖像分類最知名的數(shù)據(jù)集是ImageNet，包含了自然場(chǎng)景下大量各種的圖像數(shù)據(jù)，支持1000個(gè)類別的圖像分類。OpenVINO在模型庫(kù)的public中有ResNet模型1000個(gè)分類的預(yù)訓(xùn)練模型支持，它們主要是：

- resnest-18-pytorch

- resnest-34-pytorch

- resnest-50-pytorch

- resnet-50-tf

其中18、34、50表示權(quán)重層，pytorch表示模型來(lái)自pytorch框架訓(xùn)練生成、tf表示tensorflow訓(xùn)練生成。ResNet系列網(wǎng)絡(luò)的詳細(xì)說明如下：

圖-2（來(lái)自《Deep Residual Learning for Image Recognition》論文）

我們以ResNet18-pytorch的模型為例，基于Pytorch框架我們可以很輕松的把它轉(zhuǎn)換為ONNX格式文件。然后使用Netron工具打開，可以看到網(wǎng)絡(luò)的輸入圖示如下：

圖-3

查看網(wǎng)絡(luò)的輸出：

圖-4

這樣我們很清楚的知道網(wǎng)絡(luò)的輸入與輸出層名稱，輸入數(shù)據(jù)格式與輸出數(shù)據(jù)格式，其中輸入數(shù)據(jù)格式NCHW中的N表示圖像數(shù)目，這里是1、C表示圖像通道數(shù)，這里輸入的是彩色圖像，通道數(shù)為3、H與W分別表示圖像的高與寬，均為224。在輸出格式中1x1000中1表示圖像數(shù)目、1000表示預(yù)測(cè)的1000個(gè)分類的置信度數(shù)據(jù)。

程序?qū)崿F(xiàn)的基本流程與步驟

前面已經(jīng)介紹了IE SDK相關(guān)函數(shù)，圖像分類模型ResNet18的輸入與輸出格式信息。現(xiàn)在我們就可以借助IE SDK來(lái)完成一個(gè)完整的圖像分類模型的應(yīng)用部署了，根據(jù)前面提到的步驟各步的代碼實(shí)現(xiàn)與解釋如下：

1. 初始化IE

InferenceEngine::Core ie;

2. 加載ResNet18網(wǎng)絡(luò)

InferenceEngine::CNNNetwork network = ie.ReadNetwork(onnx);
InferenceEngine::InputsDataMap inputs = network.getInputsInfo();
InferenceEngine::OutputsDataMap outputs = network.getOutputsInfo();

3. 獲取輸入與輸出名稱、設(shè)置輸入與輸出數(shù)據(jù)格式

std::string input_name = "";
for (auto item : inputs) {
input_name = item.first;
auto input_data = item.second;
input_data->setPrecision(Precision::FP32);
input_data->setLayout(Layout::NCHW);
input_data->getPreProcess().setColorFormat(ColorFormat::RGB);
std::cout << "input name: " << input_name << std::endl;
}

std::string output_name = "";
for (auto item : outputs) {
output_name = item.first;
auto output_data = item.second;
output_data->setPrecision(Precision::FP32);
std::cout << "output name: " << output_name << std::endl;
}

4. 獲取推理請(qǐng)求對(duì)象實(shí)例

auto executable_network = ie.LoadNetwork(network, "CPU");
auto infer_request = executable_network.CreateInferRequest();

5. 輸入圖像數(shù)據(jù)設(shè)置

auto input = infer_request.GetBlob(input_name);
size_t num_channels = input->getTensorDesc().getDims()[1];
size_t h = input->getTensorDesc().getDims()[2];
size_t w = input->getTensorDesc().getDims()[3];
size_t image_size = h*w;
cv::Mat blob_image;
cv::resize(src, blob_image, cv::Size(w, h));
cv::cvtColor(blob_image, blob_image, cv::COLOR_BGR2RGB);
blob_image.convertTo(blob_image, CV_32F);
blob_image = blob_image / 255.0;
cv::subtract(blob_image, cv::Scalar(0.485, 0.456, 0.406), blob_image);
cv::divide(blob_image, cv::Scalar(0.229, 0.224, 0.225), blob_image);

// HWC =》NCHW
float* data = static_cast(input->buffer());for (size_t row = 0; row < h; row++) { ? ?for (size_t col = 0; col < w; col++) { ? ? ? ?for (size_t ch = 0; ch < num_channels; ch++) { ? ? ? ? ? ?data[image_sizech + row*w + col] = blob_image.at<:vec3f>(row, col)[ch];
}
}
}

在輸入數(shù)據(jù)部分OpenCV導(dǎo)入的圖像三通道順序是BGR，所以要轉(zhuǎn)換為RGB，resize到224x224大小、像素值歸一化為0~1之間、然后要減去均值(0.485, 0.456, 0.406)，除以方差(0.229, 0.224, 0.225)完成預(yù)處理之后再填充到Blob緩沖區(qū)中區(qū)。

6. 推理

infer_request.Infer();

7. 解析輸出與顯示結(jié)果

auto output = infer_request.GetBlob(output_name);
const float* probs = static_cast ::value_type*>(output->buffer());
const SizeVector outputDims = output->getTensorDesc().getDims();
std::cout << outputDims[0] << "x" << outputDims[1] << std::endl;
float max = probs[0];
int max_index = 0;
for (int i = 1; i < outputDims[1]; i++) {
if (max < probs[i]) {
max = probs[i];
max_index = i;
}
}<:fp32>

cv::putText(src, labels[max_index], cv::Point(50, 50), cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(0, 0, 255), 2, 8);
cv::imshow("輸入圖像", src);
cv::waitKey(0);

解析部分代碼首先通過輸出層名稱獲取輸出數(shù)據(jù)對(duì)象BLOB，然后根據(jù)輸出格式1x1000，尋找最大值對(duì)應(yīng)的index，根據(jù)索引index得到對(duì)應(yīng)的分類標(biāo)簽，然后通過OpenCV圖像輸出分類結(jié)果。

運(yùn)行結(jié)果

圖-5（來(lái)自ImageNet測(cè)試集）

這樣我們就使用OpenVINO 的推理引擎相關(guān)的SDK函數(shù)支持成功部署ResNet18模型，并預(yù)測(cè)了一張輸入圖像。你可以能還想知道除了圖像分類模型，OpenVINO 推理引擎在對(duì)象檢測(cè)方面都有哪些應(yīng)用，我們下次繼續(xù)…….

編輯：jq