用OpenVINO C++ API編寫YOLOv8-Seg實例分割模型推論程式

Posted By 戰鵬州 on 5 月 26, 2023 in Edge AI教學文, Intel, OpenVINO, OpenVINO專欄, OpenVINO教學文, 影像分割, 教學文 | 0 comments

作者：戰鵬州

1.1 簡介

本文章將介紹使用OpenVINO C++ API開發YOLOv8-Seg實例分割(Instance Segmentation)模型的AI推論程式。本文C++範例程式的開發環境是Windows + Visual Studio Community 2022，請讀者先配置基於Visual Studio的OpenVINO C++開發環境。

請複製本文的程式碼倉：git clone https://gitee.com/ppov-nuc/yolov8_openvino_cpp.git

1.2 匯出YOLOv8-Seg OpenVINO IR 模型

YOLOv8是Ultralytics公司基於YOLO框架，發佈的一款針對物體檢測與追蹤、實例分割、影像分類和姿態估計任務的SOTA模型工具套件。

首先用命令pip install -r requirements.txt 安裝ultralytics和openvino-dev。

然後使用命令：yolo export model=yolov8n-seg.pt format=onnx，完成yolov8n-seg.onnx模型匯出，如下圖所示。

接著使用命令：mo -m yolov8n-seg.onnx --compress_to_fp16，

最佳化並匯出FP16精度的OpenVINO IR格式模型，如下圖所示。

最後使用命令：benchmark_app -m yolov8n-seg.xml -d GPU.1，獲得yolov8n-seg.xml模型在A770m獨立顯卡上的非同步推論運算性能，如下圖所示。

1.3 使用OpenVINO C++ API編寫YOLOv8-Seg實例分割模型推論程式

使用OpenVINO C++ API編寫YOLOv8-Seg實例分割模型推論程式主要有5個典型步驟：

採集影像&影像解碼
影像資料預處理
AI推論運算(基於OpenVINO C++ API)
對推論結果進行後處理
將處理後的結果視覺化

YOLOv8-Seg實例分割模型推論程式的影像資料預處理和AI推論運算的實現方式跟YOLOv8目標檢測模型推論程式的實現方式幾乎一模一樣，可以直接重複使用。

1.3.1 影像資料預處理

使用Netron打開yolov8n-seg.onnx，如下圖所示，可以看到：

輸入節點的名字：“images”；數據：float32[1,3,640,640]。
輸出節點1的名字：“output0”；數據：float32[1,116,8400]。其中116的前84個欄位跟 YOLOv8目標檢測模型輸出定義完全一致，即cx,cy,w,h和80類的分數；後32個欄位為遮罩可靠度，用於運算遮罩資料。
輸出節點2的名字：“output1”；數據：float32[1,32,160,160]。output0後32個欄位與output1的資料做矩陣乘法後得到的結果，即為對應目標的遮罩資料。

影像資料預處理的目標就是將任意尺寸的影像資料轉變為形狀為[1,3,640,640]，精度為FP32的張量。YOLOv8-Seg模型的輸入尺寸為正方形，為了解決將任意尺寸資料縮放為正方形帶來的影像失真問題，在影像縮放前，採用letterbox演算法先保持影像的長寬比，如下圖所示，然後再使用cv::dnn::blobFromImage函數對影像進行縮放。

影像資料預處理的範例程式如下所示：

Mat letterbox(const Mat&amp; source)

{

    int col = source.cols;

    int row = source.rows;

    int _max = MAX(col, row);

    Mat result = Mat::zeros(_max, _max, CV_8UC3);

    source.copyTo(result(Rect(0, 0, col, row)));

    return result;

}

Mat img = cv::imread("bus.jpg"); 

Mat letterbox_img = letterbox(img);

Mat blob = blobFromImage(letterbox_img, 1.0/255.0, Size(640,640), Scalar(), true);

1.3.2 AI同步推論運算

用OpenVINO C++ API實現同步推論運算，主要有七步：

產生實體Core對象：ov::Core core;
編譯並載入模型：compile_model();
創建推論請求：infer_request = compiled_model.create_infer_request()；
讀取影像資料並完成預處理；
將輸入數據導入模型：set_input_tensor(input_tensor);
啟動推論運算：infer();
獲得推論結果：output0 = infer_request.get_output_tensor(0);

output1 = infer_request.get_output_tensor(1);

範例程式碼如下所示：

// -------- Step 1. Initialize OpenVINO Runtime Core --------
ov::Core core;
// -------- Step 2. Compile the Model --------
auto compiled_model = core.compile_model("yolov8n-seg.xml", "CPU");
// -------- Step 3. Create an Inference Request --------
ov::InferRequest infer_request = compiled_model.create_infer_request();
// -------- Step 4.Read a picture file and do the preprocess --------
Mat img = cv::imread("bus.jpg");
// Preprocess the image
Mat letterbox_img = letterbox(img);
float scale = letterbox_img.size[0] / 640.0;
Mat blob = blobFromImage(letterbox_img, 1.0 / 255.0, Size(640, 640), Scalar(), true);
// -------- Step 5. Feed the blob into the input node of the Model -------
// Get input port for model with one input
auto input_port = compiled_model.input();
// Create tensor from external memory
ov::Tensor input_tensor(input_port.get_element_type(), input_port.get_shape(), blob.ptr(0));
// Set input tensor for model with one input
infer_request.set_input_tensor(input_tensor);
// -------- Step 6. Start inference --------
infer_request.infer();
// -------- Step 7. Get the inference result --------
auto output0 = infer_request.get_output_tensor(0); //output0
auto output1 = infer_request.get_output_tensor(1); //otuput1

1.3.3 推論結果後處理

實例分割推論程式的後處理是從結果中拆解出預測別類(class_id)，類別分數(class_score)，類別邊界框(box)和類別遮罩(mask)，範例程式碼如下所示：

// -------- Step 8. Postprocess the result --------
Mat output_buffer(output0_shape[1], output0_shape[2], CV_32F, output0.data());
Mat proto(32, 25600, CV_32F, output1.data()); //[32,25600]
transpose(output_buffer, output_buffer); //[8400,116]
float score_threshold = 0.25;
float nms_threshold = 0.5;
std::vector class_ids;
std::vector class_scores;
std::vector boxes;
std::vector mask_confs;
// Figure out the bbox, class_id and class_score
for (int i = 0; i < output_buffer.rows; i++) { Mat classes_scores = output_buffer.row(i).colRange(4, 84); Point class_id; double maxClassScore; minMaxLoc(classes_scores, 0, &maxClassScore, 0, &class_id); if (maxClassScore > score_threshold) {
class_scores.push_back(maxClassScore);
class_ids.push_back(class_id.x);
float cx = output_buffer.at(i, 0);
float cy = output_buffer.at(i, 1);
float w = output_buffer.at(i, 2);
float h = output_buffer.at(i, 3);
int left = int((cx - 0.5 * w) * scale);
int top = int((cy - 0.5 * h) * scale);
int width = int(w * scale);
int height = int(h * scale);
cv::Mat mask_conf = output_buffer.row(i).colRange(84, 116);
mask_confs.push_back(mask_conf);
boxes.push_back(Rect(left, top, width, height));
}
}
//NMS
std::vector indices;
NMSBoxes(boxes, class_scores, score_threshold, nms_threshold, indices);

完整範例參考參見：yolov8_seg_ov_infer.cpp，執行結果如下圖所示：