NCNN 入门 (2) yolov5 example 源码解析

0. 前言

• 源码地址

• 本文不关心如何将yolov5模型转换为ncnn形式

  • 十有八九是用 onnx2ncnn 转换的，但没查相关资料

• 运行NCNN Yolov5 example

  • 其实就是按照注释中的地址，到这里下载yolov5相关的文件，保存到 /path/to/ncnn/examples 中。
  • 之后在 /path/to/ncnn/examples 中运行 ../build/examples/yolov5 /path/to/image.jpg 就通过OpenCV 展示检测结果。

• 本文后续内容主要包括：

  • Yolov5 模型构建以及权重导入
  • Yolov5 模型推理
  • 检测结果后处理：熟悉一下OpenCV

1. 模型构建以及权重导入

• 模型构建与导入源码平平无奇，就是detect_yolov5方法中的以下内容
  • ncnn的模型构建与权重导入其实做的工作就是：创建空白Net对象，导入模型结构文件（param）与权重文件（bin）
  • 可能还有一些其他操作，比如自定义Layer，即register_custom_layer操作

ncnn::Net yolov5;

yolov5.opt.use_vulkan_compute = true;
// yolov5.opt.use_bf16_storage = true;

yolov5.register_custom_layer("YoloV5Focus", YoloV5Focus_layer_creator);

// original pretrained model from https://github.com/ultralytics/yolov5
// the ncnn model https://github.com/nihui/ncnn-assets/tree/master/models
yolov5.load_param("yolov5s.param");
yolov5.load_model("yolov5s.bin");

2. 模型推理

• 模型推理包括几个部分：

  • 构建模型输入，并与模型类（即Net）绑定。

• 模型输入构建，主要工作包括

  • resize图像，令长边为target_size，短边按比例变化
  • 执行pad操作，令边长能够被32整除
  • 定义norm相关
  • 将模型输入与模型绑定

// 获取当前图片的尺寸
int img_w = bgr.cols;
int img_h = bgr.rows;

// letterbox pad to multiple of 32
// 长边为 target_size，短边按比例变化
int w = img_w;
int h = img_h;
float scale = 1.f;
if (w > h)
{
    
    
    scale = (float)target_size / w;
    w = target_size;
    h = h * scale;
}
else
{
    
    
    scale = (float)target_size / h;
    h = target_size;
    w = w * scale;
}

// resize 图片
ncnn::Mat in = ncnn::Mat::from_pixels_resize(bgr.data, ncnn::Mat::PIXEL_BGR2RGB, img_w, img_h, w, h);

// 执行pad操作，令图片尺寸可以被32整除
// pad to target_size rectangle
// yolov5/utils/datasets.py letterbox
int wpad = (w + 31) / 32 * 32 - w;
int hpad = (h + 31) / 32 * 32 - h;
ncnn::Mat in_pad;
// 实现pad操作
ncnn::copy_make_border(in, in_pad, hpad / 2, hpad - hpad / 2, wpad / 2, wpad - wpad / 2, ncnn::BORDER_CONSTANT, 114.f);

// norm 操作参数
const float norm_vals[3] = {
    
    1 / 255.f, 1 / 255.f, 1 / 255.f};
in_pad.substract_mean_normalize(0, norm_vals);

ncnn::Extractor ex = yolov5.create_extractor();

// 设置模型输入
ex.input("images", in_pad);

• 执行模型推理，主要功能包括
  • 根据模型结果、anchors等参数构建bbox
  • 实现NMS
  • 将bbox尺寸转换为图像原始尺寸

// yolov5 的输出由3个特征图生成，即下面的 stride 8/16/32
// 每个部分都是根据 anchors 和输出结果构建最终预测结果（即bbox）
// 预测结果都保存到 proposals 中，通过 Object 对象保存
// struct Object
// {
    
    
//     cv::Rect_<float> rect;
//     int label;
//     float prob;
// };
// anchor setting from yolov5/models/yolov5s.yaml

// stride 8
{
    
    
    ncnn::Mat out;
    ex.extract("output", out);

    ncnn::Mat anchors(6);
    anchors[0] = 10.f;
    anchors[1] = 13.f;
    anchors[2] = 16.f;
    anchors[3] = 30.f;
    anchors[4] = 33.f;
    anchors[5] = 23.f;

    std::vector<Object> objects8;
    generate_proposals(anchors, 8, in_pad, out, prob_threshold, objects8);

    proposals.insert(proposals.end(), objects8.begin(), objects8.end());
}
// stride 16
{
    
    
    ncnn::Mat out;
    ex.extract("781", out);

    ncnn::Mat anchors(6);
    anchors[0] = 30.f;
    anchors[1] = 61.f;
    anchors[2] = 62.f;
    anchors[3] = 45.f;
    anchors[4] = 59.f;
    anchors[5] = 119.f;

    std::vector<Object> objects16;
    generate_proposals(anchors, 16, in_pad, out, prob_threshold, objects16);

    proposals.insert(proposals.end(), objects16.begin(), objects16.end());
}
// stride 32
{
    
    
    ncnn::Mat out;
    ex.extract("801", out);

    ncnn::Mat anchors(6);
    anchors[0] = 116.f;
    anchors[1] = 90.f;
    anchors[2] = 156.f;
    anchors[3] = 198.f;
    anchors[4] = 373.f;
    anchors[5] = 326.f;

    std::vector<Object> objects32;
    generate_proposals(anchors, 32, in_pad, out, prob_threshold, objects32);

    proposals.insert(proposals.end(), objects32.begin(), objects32.end());
}

// 根据score对所有proposals排序
// sort all proposals by score from highest to lowest
qsort_descent_inplace(proposals);

// 执行NMS
// apply nms with nms_threshold
std::vector<int> picked;
nms_sorted_bboxes(proposals, picked, nms_threshold);

// resize 所有bbox到原始尺寸
int count = picked.size();
objects.resize(count);
for (int i = 0; i < count; i++)
{
    
    
    objects[i] = proposals[picked[i]];

    // adjust offset to original unpadded
    float x0 = (objects[i].rect.x - (wpad / 2)) / scale;
    float y0 = (objects[i].rect.y - (hpad / 2)) / scale;
    float x1 = (objects[i].rect.x + objects[i].rect.width - (wpad / 2)) / scale;
    float y1 = (objects[i].rect.y + objects[i].rect.height - (hpad / 2)) / scale;

    // clip
    x0 = std::max(std::min(x0, (float)(img_w - 1)), 0.f);
    y0 = std::max(std::min(y0, (float)(img_h - 1)), 0.f);
    x1 = std::max(std::min(x1, (float)(img_w - 1)), 0.f);
    y1 = std::max(std::min(y1, (float)(img_h - 1)), 0.f);

    objects[i].rect.x = x0;
    objects[i].rect.y = y0;
    objects[i].rect.width = x1 - x0;
    objects[i].rect.height = y1 - y0;
}

3. 检测结果后处理

• 其实就是利用OpenCV画bbox，主要也就是 rectangle 和 putText 两个函数

    cv::Mat image = bgr.clone();

    for (size_t i = 0; i < objects.size(); i++)
    {
    
    
        const Object& obj = objects[i];

        fprintf(stderr, "%d = %.5f at %.2f %.2f %.2f x %.2f\n", obj.label, obj.prob,
                obj.rect.x, obj.rect.y, obj.rect.width, obj.rect.height);

        cv::rectangle(image, obj.rect, cv::Scalar(255, 0, 0));

        char text[256];
        sprintf(text, "%s %.1f%%", class_names[obj.label], obj.prob * 100);

        int baseLine = 0;
        cv::Size label_size = cv::getTextSize(text, cv::FONT_HERSHEY_SIMPLEX, 0.5, 1, &baseLine);

        int x = obj.rect.x;
        int y = obj.rect.y - label_size.height - baseLine;
        if (y < 0)
            y = 0;
        if (x + label_size.width > image.cols)
            x = image.cols - label_size.width;

        cv::rectangle(image, cv::Rect(cv::Point(x, y), cv::Size(label_size.width, label_size.height + baseLine)),
                      cv::Scalar(255, 255, 255), -1);

        cv::putText(image, text, cv::Point(x, y + label_size.height),
                    cv::FONT_HERSHEY_SIMPLEX, 0.5, cv::Scalar(0, 0, 0));
    }

    cv::imshow("image", image);
    cv::waitKey(0);