Yolo v8 模型推理 C#纯手写实现(有惊喜)

yolo 是著名的物体检测系列开源项目,使用python + pytorch实现,支持cpu、gpu训练以及推理,属于计算机视觉对象检测模型天花板,被应用在各行各业的各个角落。yolov8 相对于 yolov5 输出有一些变化。
遗憾的是,官方并没有给出C# SDK。
没有关系、我们dotnet er会把它造出来。

为什么是C#? 你还不明白吗!!!

了解模型的输入和输出形状

Netron 上可以看到我们的模型输入输出如下

Inputs float[1,3,640,640] (人们常叫它 nchw)

  • 1 batch 批次大小 (1表示一次可以传入一张图片)
  • 3 chanel 通道数 (也就是R、G、B)
  • 640 width 图像宽度
  • 640 height 图像高度

组合起来是一个四维数组,举个例子

[
  [
    [
      [ R / 255f, G / 255f, B / 255f ]
    ]
  ]
]

Outputs float[1,31,8400]

  • 1 batch 批次大小 (1表示只会输出一张图片的结果)
  • 31 标签数量
  • 8400 矩形数量

组合起来是一个三维数组,举个例子

[
    [
        [ 27, 28, 29, 30, 0.1, 0.2,...0.31]
    ]
]
  • 27 矩形中心x坐标
  • 28 矩形中心y坐标
  • 29 矩形宽度
  • 30 矩形高度
  • 0.1 对象是class1 的概率
  • 0.2 对象是class2 的概率
  • 0.31 对象是class31 的概率

好的,理论到这里就已经结束了,看起来非常的简单,算法功底好的小伙伴可以 ctrl+w 。

----------华丽的分割线 ---------

代码实现 - 将ECMA标准语言的优势发挥到淋漓尽致

图像转Tensor

private static Tensor<float> ImageToTensor(Image<Rgb24> image)
{
    Tensor<float> tensor = new DenseTensor<float>([1, 3, image.Height, image.Width]);

    for (int h = 0; h < image.Height; h++)
    {
        for (int w = 0; w < image.Width; w++)
        {
            var px = image[w, h];

            tensor[0, 0, h, w] = px.R / 255f;
            tensor[0, 1, h, w] = px.G / 255f;
            tensor[0, 2, h, w] = px.B / 255f;
        }
    }

    return tensor;
}

输出张量解析

private static IEnumerable<ObjectPrediction> ParseOutput(Tensor<float> output, float confidence)
{
    for (int b = 0; b < BATCH_SIZE; b++)
    {
        for (int r = 0; r < RECTANGLES_COUNT; r++)
        {
            float xCenter = output[b, 0, r];
            float yCenter = output[b, 1, r];
            float width = output[b, 2, r];
            float height = output[b, 3, r];

            int bestClass = 0;
            float bestClassScore = output[0, 4, r];

            for (int tc = 1; tc < TAGS_COUNT - 4; tc++)
            {
                float currentScore = output[0, 4 + tc, r];
                if (currentScore > bestClassScore)
                {
                    bestClass = tc;
                    bestClassScore = currentScore;
                }
            }

            if (bestClassScore < confidence)
            {
                continue;
            }

            yield return new ObjectPrediction
            {
                LabelColor = Tags[bestClass],
                RectangleF = new RectangleF(xCenter - width / 2, yCenter - height / 2, width, height),
                Score = bestClassScore
            };
        }
    }
}

IoU

public static float IoU(RectangleF a, RectangleF b)
{
    float xA = MathF.Max(a.Left, b.Left);
    float yA = MathF.Max(a.Top, b.Top);
    float xB = MathF.Min(a.Right, b.Right);
    float yB = MathF.Min(a.Bottom, b.Bottom);

    float interArea = MathF.Abs(MathF.Max(xB - xA, 0) * MathF.Max(yB - yA, 0));

    if (interArea <= 0f)
    {
        return 0f;
    }

    float boxAArea = MathF.Abs((a.Right - a.Left) * (a.Bottom - a.Top));
    float boxBArea = MathF.Abs((b.Right - b.Left) * (b.Bottom - b.Top));

    return interArea / (boxAArea + boxBArea - interArea);
}

NonIoU

private static IEnumerable<ObjectPrediction> NonIoU(IEnumerable<ObjectPrediction> predictions, float maxOverlap = 0.6f)
{
    return predictions
        .GroupBy(x => x.LabelColor)
        .SelectMany(x =>
        {
            List<ObjectPrediction> items = [.. x];

            int length = items.Count;

            bool[] flags = new bool[items.Count];

            for (int i = 0; i < items.Count; i++)
            {
                ObjectPrediction first = items[i];
                RectangleF firstRectangleF = first.RectangleF;

                for (int j = i + 1; j < items.Count; j++)
                {
                    var second = items[j];
                    var secondRectangleF = second.RectangleF;

                    if (flags[j])
                    {
                        continue;
                    }

                    var overlap = IoU(firstRectangleF, secondRectangleF);

                    if (overlap >= maxOverlap)
                    {
                        if (first.Score < second.Score)
                        {
                            flags[i] = true;
                            continue;
                        }

                        flags[j] = true;
                    }
                }
            }

            return flags
              .Select((flag, i) => (flag, i))
              .Where(x => !x.flag)
              .Select((_, i) => items[i]);
        });
}

组合起来

public IEnumerable<ObjectPrediction> Predict(Image<Rgb24> image, float confidence = 0.6f)
{
    using var inputImage = image.Clone(x => x.Resize(new ResizeOptions
    {
        Size = new Size(640, 640),
        Mode = ResizeMode.Pad,
    }));

    Tensor<float> input = ImageToTensor(inputImage);

    List<NamedOnnxValue> inputs = [NamedOnnxValue.CreateFromTensor(INPUT_NAME, input)];

    using IDisposableReadOnlyCollection<DisposableNamedOnnxValue> results = _session.Run(inputs);

    Tensor<float> output = results[0].AsTensor<float>();

    IEnumerable<ObjectPrediction> predictions = ParseOutput(output, confidence);

    (float neww, float newh, float rate) = CalculateTransform(image.Width, image.Height, inputImage.Width, inputImage.Height);

    float offsetX = (inputImage.Width - neww) / 2f / rate;
    float offsetY = (inputImage.Height - newh) / 2f / rate;

    foreach (var item in NonIoU(predictions))
    {
        item.RectangleF = new RectangleF
        {
            X = item.RectangleF.X / rate - offsetX,
            Y = item.RectangleF.Y / rate - offsetY,
            Width = item.RectangleF.Width / rate,
            Height = item.RectangleF.Height / rate
        };
        yield return item;
    }
}

private static (float neww, float newh, float rate) CalculateTransform(int width, int height, int paddedWidth, int paddedHeight)
{
    float rate = (width > height) ? (float)paddedWidth / width : (float)paddedHeight / height;

    if (width > height)
    {
        return (paddedWidth, height * rate, rate);
    }

    return (width * rate, paddedHeight, rate);
}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,222评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,455评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,720评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,568评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,696评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,879评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,028评论 3 409
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,773评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,220评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,550评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,697评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,360评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,002评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,782评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,010评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,433评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,587评论 2 350

推荐阅读更多精彩内容