pytorch fasterrcnn-resnet50-fpn 神经网络 目标识别 应用 —— 推理识别代码讲解(开源)
pytorch fasterrcnn-resnet50-fpn 神经网络 目标识别 应用 —— 推理识别代码讲解（开源）
- 项目地址
- 二、推理识别代码讲解
-
-
- 1、加载模型
-
- 1）加载网络结构
- 2）加载权重文件
- 3）model状态配置
- 2、图片推理
-
- 推理——最最最关键的环节到了！
-
- boxes:
- labels:
- scores:
- boxes labels scores 是按照顺序对应的
- 3、推理结果转换
-
- 完整代码
-
项目地址
完整代码放在文末
https://gitee.com/laomaogu/fasterrcnn_resnet50_fpn_study/tree/master
二、推理识别代码讲解
网上好多案例都是从训练开始讲
说实话，训练的那部分是真枯燥，一个头两个大
_
脑子一抽,跑去搞推理部分的代码，
跑成功的那一刻，成就感瞬间来了
同时这也让我觉得这玩意真tm有意思
所以说，学习是一件好东西，但如果能开心的学习，简直不要太棒！
先回顾上一张的推理流程：
本章中，我们简化一下
依次序，分为三个流程：
以上流程都在 predict() 方法中实现
1、加载模型
首先，来看一下怎么创建模型：
# 获取当前设备是 CPU 还是 GPU
device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu')
# 获取标签信息
dict_classes, num_classes, category_index = loadtxt(args.classfile_textpath)
# 创建模型
print("Creating model")
model = torchvision.models.detection.__dict__["fasterrcnn_resnet50_fpn"](pretrained=False,
num_classes=num_classes + 1)
# 加载权重文件
model_state_dict = torch.load(args.weights, map_location=device)["model"]
model.load_state_dict(model_state_dict)
# 设备转换到 device 上运行
model.to(device)
print("using {} device.".format(device))
model.eval() # 进入验证模式
以上是加载模型的全部过程，接下来我们一步一步拆分
1）加载网络结构
所有的准备工作，pytorch 都给我们做好了，只需要轻轻地调用一个接口，就能创建模型结构
如果你像用yptorch提供的其他网络结构，也可以将[“fasterrcnn_resnet50_fpn”] 替换掉。
torchvision.models.detection.__dict__["fasterrcnn_resnet50_fpn"](pretrained=False,num_classes=num_classes + 1)
注意：如果第一次运行，请将 pretrained 参数设为 True, 为什么要这样做？ 先不管他
那 num_classes 参数又是啥？
num_classes ：是你要预测的目标的类别数量
假设老板要你做一个项目，检测识别办公室里的猫和狗，类别只有两个：猫’ 狗。 那这个参数就是2
num_classes为什么要 +1 呢？
因为这里还有一个隐藏的类别，background,即背景类，在训练时很重要， 现在只需要记得，num_classes要+1
2）加载权重文件
网络结构是有了，还需要把判断标准 加进去，通过 model.load_state_dict():
model_state_dict = torch.load(args.weights, map_location=device)["model"]
model.load_state_dict(model_state_dict)
其中，
args.weights 指的时权重文件的路径
device ：设备类型（本次代码运行基础为CPU）
3）model状态配置
device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu') # 获取设备类型
model.to(device) # 模型转换到设备上
model.eval() # 进入验证模式
OK! 到这里，模型创建就全部完成！
是不是非常简单
接下来把图片数据放进去就能预测了！距离成功就差一小步了
2、图片推理
主要内容按住不表，先聊聊图片
因为我这个项目是针对图片预测
啥是图片？
举个例子，现在有一个2*2大小的图片，
在神经网络算法中，一切都是数字
四个方框代表四个像素点
每个像素由三个通道组成 ， 即R G B（红，绿，蓝）；
神经网络不认识**.Jpeg** 数据格式，
所以要将图片转换成能识别的 torch.Tensor 数据格式 ：
# 加载图片，并转换为 torch.Tensor 类型
original_img = Image.open(args.img)
convert = torchvision.transforms.ToTensor()
img = convert(original_img)
# 添加一个维度，匹配算法入口
img = torch.unsqueeze(img, dim=0)
同样，pytorch的torchvision包提供了格式转换接口torchvision.transforms.ToTensor()
最后得到的 img ，就是算法能认识的数据，
推理——最最最关键的环节到了！
with torch.no_grad():
print("predict start")
predictions = model(img.to(device))
首先 torch.no_grad() 表示禁用梯度计算，涉及到训练部分的理论知识，本章不深究， 只需要知道，在预测之前需要调用
就两行关键代码！
是不是非常简单！
呐！ predictions！
这就是我们的推理结果，打印出来看看是啥：
print(f"result:{predictions}")
[{'boxes': tensor([[1.1527e+03, 4.7917e+02, 1.2506e+03, 5.5152e+02],
[1.4364e+03, 1.4129e+02, 1.5374e+03, 2.1493e+02],
[1.4452e+02, 8.6485e+02, 2.9079e+02, 9.6182e+02],
[1.4117e+02, 1.1672e+03, 2.9326e+02, 1.2621e+03],
[1.3704e+03, 1.8597e+03, 1.4486e+03, 1.9170e+03],
[1.4331e+02, 1.3160e+03, 2.8870e+02, 1.4112e+03],
[1.4920e+03, 1.5612e+03, 1.5750e+03, 1.6150e+03],
[4.2725e+02, 8.7433e+02, 5.3222e+02, 9.4892e+02],
[1.4313e+03, 2.5913e+02, 1.5079e+03, 3.1408e+02],
[1.2542e+02, 5.9658e+02, 2.0788e+02, 6.4756e+02],
[6.5477e+02, 1.1741e+03, 7.5365e+02, 1.2500e+03],
[1.1523e+03, 2.2229e+02, 1.2506e+03, 2.9588e+02],
[4.2621e+02, 1.1732e+03, 5.3022e+02, 1.2498e+03],
[6.0383e+02, 1.8894e+03, 6.8434e+02, 1.9433e+03],
[6.5404e+02, 8.7371e+02, 7.5516e+02, 9.4796e+02],
[9.0214e+02, 8.8163e+02, 9.8600e+02, 9.3581e+02],
[9.0179e+02, 7.4204e+02, 9.8496e+02, 7.9480e+02],
[1.9014e+03, 6.7014e+02, 1.9801e+03, 7.2421e+02],
[6.1216e+02, 1.4772e+03, 6.9884e+02, 1.5292e+03],
[6.5601e+02, 7.1957e+02, 7.5319e+02, 7.9393e+02],
[1.7512e+02, 7.2836e+02, 2.5711e+02, 7.8923e+02],
[4.2725e+02, 1.3287e+03, 5.3333e+02, 1.4029e+03],
[9.0085e+02, 1.1862e+03, 9.8763e+02, 1.2390e+03],
[1.4346e+03, 4.5968e+02, 1.5336e+03, 5.3184e+02],
[6.1542e+02, 1.5719e+03, 6.9611e+02, 1.6299e+03],
[1.4287e+03, 3.6229e+02, 1.5090e+03, 4.1909e+02],
[4.2589e+02, 7.1913e+02, 5.2999e+02, 7.9609e+02],
[6.5392e+02, 1.3289e+03, 7.5261e+02, 1.4011e+03],
[1.2835e+02, 4.9626e+02, 2.1096e+02, 5.5453e+02],
[1.9012e+03, 8.5548e+02, 1.9801e+03, 9.1464e+02],
[1.2152e+03, 7.2554e+02, 1.2945e+03, 9.1673e+02],
[1.2492e+02, 2.2695e+02, 2.0045e+02, 2.8335e+02],
[1.6239e+03, 3.6352e+02, 1.7052e+03, 4.1547e+02],
[1.5204e+03, 8.2876e+02, 1.5964e+03, 1.0081e+03],
[1.5196e+03, 1.1347e+03, 1.5992e+03, 1.3151e+03],
[1.2325e+03, 1.4950e+03, 1.3150e+03, 1.6722e+03],
[1.6248e+03, 2.6157e+02, 1.7052e+03, 3.1244e+02],
[8.1357e+02, 1.5016e+03, 8.8935e+02, 1.5568e+03],
[9.0093e+02, 1.3396e+03, 9.8453e+02, 1.3908e+03],
[1.8980e+03, 7.6460e+02, 1.9767e+03, 8.2006e+02],
[1.3715e+03, 1.7651e+03, 1.4437e+03, 1.8205e+03],
[1.0047e+03, 1.5011e+03, 1.0883e+03, 1.5532e+03],
[1.2173e+03, 1.1976e+03, 1.2944e+03, 1.3846e+03],
[1.9086e+03, 4.4421e+02, 1.9875e+03, 6.2201e+02],
[1.9088e+03, 2.1667e+02, 1.9845e+03, 3.9899e+02],
[1.0413e+03, 1.7980e-01, 1.0904e+03, 4.5562e+01]]),
'labels': tensor([16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16,
16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16,
16, 16, 16, 16, 16, 16, 16, 16, 16, 16]),
'scores': tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 0.9999, 0.9998,
0.9991])}]
看到里面的boxes labels scores ,
啥意思？ 谜底就在谜面上!
boxes:
以左上角为原点，检测对象的box框的位置参数，
举例子，[xmin,ymin, xmax, ymax]，表示其中一个box框
labels:
[16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16,
16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16,
16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16, 16]
这就是推理结果中的类别结果
数字对应着每个box框的类别推理结果
这咋全是数字啊！？ 我的类别标签呢？？
别着急，其实这就标签，只不过不是我们理解的格式， 对应着 classes.txt 内容，就是我们能理解的格式
接着往下看
scores:
‘scores’: tensor([1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000,
1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 1.0000, 0.9999, 0.9998,
0.9991]
score 对应box框的预测识别概率，上面的数据看，每个box框的识别概率都接近100%
boxes labels scores 是按照顺序对应的
比如他们的第一个参数，
对应的是同一个box框的box位置，预测类别标签，预测识别率，
第二个参数，也是对应同一个box框
3、推理结果转换
predictions 这么一大串数字，难道就没有直接一点的展现方式吗 当然有！
大部分情况下我们都会写一点下工具，
将推理结果以其他方式展现，就像本章开头的图片一样
接下来，就是如何做出上述图片的效果：
# 保存为标记图像
resultconvert = result_convert(category_index, args.img, args.savedir, predictions)
# createxml 是否生成 xml文件 createmarkpicture：是否生成标记文件 showing:是否显示标记文件
resultconvert.convert_start(createxml=False, createmarkpicture=True,showimg=True)
完整代码
项目地址：https://gitee.com/laomaogu/fasterrcnn_resnet50_fpn_study/tree/master
Pytorch:1.8.1 + cpu
vision:0.9.1
author: 老毛鸪
email: maogu123@126.com
gitee: https://gitee.com/laomaogu
CSDN: https://blog.csdn.net/qq_42239488?spm=1018.2226.3001.5343
'''
import os
import argparse
import torch
import torchvision
from PIL import Image
from util.pre_util import result_convert
def predict(args):
# 获取当前设备是 CPU 还是 GPU
device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu')
# 获取标签信息
dict_classes, num_classes, category_index = loadtxt(args.classfile_textpath)
# 创建模型
print("Creating model")
model = torchvision.models.detection.__dict__["fasterrcnn_resnet50_fpn"](pretrained=False,
num_classes=num_classes + 1)
# 加载权重文件
model_state_dict = torch.load(args.weights, map_location=device)["model"]
model.load_state_dict(model_state_dict)
# 设备转换到 device 上运行
model.to(device)
print("using {} device.".format(device))
model.eval() # 进入验证模式
# 加载图片，并转换为 torch.Tensor 类型
original_img = Image.open(args.img)
convert = torchvision.transforms.ToTensor()
img = convert(original_img)
# expand batch dimension
img = torch.unsqueeze(img, dim=0)
with torch.no_grad():
print("predict start")
predictions = model(img.to(device))[0]
print("predict end")
print(f"result:{predictions}")
# 保存为标记图像
resultconvert = result_convert(category_index, args.img, args.savedir, predictions)
# createxml 是否生成 xml文件 createmarkpicture：是否生成标记文件 showing:是否显示标记文件
resultconvert.convert_start(createxml=False, createmarkpicture=True,showimg=True)
def loadtxt(classpath):
assert os.path.exists(classpath), ".classpath: {0} file does not exist...".format(classpath)
class_num = 0
class_dict = dict()
with open(classpath, 'r') as f:
classlist = f.readlines()
class_num = len(classlist)
for cls in classlist:
class_dict[cls.strip('\n')] = classlist.index(cls) + 1
category_index = {v: k for k, v in class_dict.items()}
return class_dict, class_num, category_index
def get_args_parser(add_help=True):
parser = argparse.ArgumentParser(description="PyTorch Detection Training", add_help=add_help)
# 权重文件路径
parser.add_argument("--weights", default="./weight_model/model_20220810_998996_981979.pth", type=str,
help="the weights enum name to load")
# 标签文件地址
parser.add_argument("--classfile-textpath", default="./DATA/classes.txt",
type=str, help="class text file path")
return parser
if __name__ == "__main__":
args = get_args_parser().parse_args()
predict(args)