作者：馮浩遼寧科技大學研究生

指導教師：張海剛 英特爾邊緣計算創(chuàng)新大使深圳職業(yè)技術大學 副教授

當今，深度學習技術在計算機視覺領域取得了巨大的突破，使得各種圖像處理任務變得更加智能化。其中，Semantic Segmentation（語義分割）是一項重要的任務，它有助于計算機理解圖像中不同對象的位置和邊界。本文將介紹如何使用 OpenVINO Python API 部署 FastSAM 模型，以實現快速高效的語義分割。

什么是 FastSAM 模型？

FastSAM 模型是一種輕量級語義分割模型，旨在快速而準確地分割圖像中的對象。它經過了精心設計，以在較低的計算成本下提供卓越的性能。這使得 FastSAM 模型成為許多計算機視覺應用的理想選擇，包括自動駕駛、醫(yī)學圖像分析和工業(yè)自動化等領域。

步驟一：安裝 OpenVINO

要開始使用 OpenVINO 進行推理 FastSAM 模型，首先需要安裝 OpenVINO Toolkit。OpenVINO 是英特爾發(fā)布的開源工具，專為深度學習模型部署而設計。

你可以按照以下步驟安裝OpenVINO ：

訪問OpenVINO官方網站下載OpenVINO工具包。

按照官方文檔的說明進行安裝和配置。

步驟二：下載 FastSam 官網模型

FastSAM 模型可以在官方 GitHub 中找到。下載模型并將其解壓縮到合適的文件夾。根據自身情況下載合適的預訓練模型。

這里還需要將下載到的模型，由于這個模型是采用的pytorch 類型的格式，所以還需要將這個 pt 模型轉換為 OpenVINO 的 IR 模型才能進行調用推理。

轉換步驟如下所示：

Pytorch →onnx → IR

需要先導出為 onnx 標準格式，然后經過這個壓縮優(yōu)化轉化為 IR 模型。

OpenVINO 官方提供一個模型轉換工具 Model Optimizer，可以利用這個更加便捷的轉換我們的模型。

例如:

 mo --input_model FastSAM-s.onnx

就會在當前目錄下生成對應的 FastSAM-s.bin和 FastSAM-s.xml 文件，這就是所謂的 IR 模型了。

步驟三：使用 OpenVINO Python API

接下來，我們將使用OpenVINO Python API來部署FastSAM 模型。由于官方提供的這個預訓練模型也是基于yolov8進行優(yōu)化的，所以也需要有和yolov8 相似的處理步驟：

加載模型→讀圖 → 預處理 → 推理 → 后處理

1. 加載模型

加載模型需要創(chuàng)建一個 Core，然后對模型進行讀取編譯：

core = ov.Core()


model = core.read_model(model=model_path)
self.compiled_model = core.compile_model(model = model, device_name=self.device)

左滑查看更多

2. 讀圖

我們使用 opencv讀取任意一張彩色圖像：

Image = cv2.imread(“image_path”)

3. 預處理

預處理主要包括 3 部分,其一是將圖像重新排列為模型所需要的類型(一般來說是 batch Size, channels, height, width),其二是歸一化圖像大小為模型輸入需求的大小,其三是將 opencv 的圖像原始數據放置到 numpy 類型的數據中方便處理。

以下是一個簡單的 Python 預處理，展示了如何對輸入的圖像進行預處理：

def Preprocess(self, image: cv2.Mat, targetShape: list):
    th, tw = targetShape
    h, w = image.shape[:2]
    if h>w:
      scale  = min(th / h, tw / w)
      inp   = np.zeros((th, tw, 3), dtype = np.uint8)
      nw   = int(w * scale)
      nh   = int(h * scale)
      a = int((nh-nw)/2) 
      inp[: nh, a:a+nw, :] = cv2.resize(cv2.cvtColor(image, cv2.COLOR_BGR2RGB), (nw, nh))
    else:
      scale  = min(th / h, tw / w)
      inp   = np.zeros((th, tw, 3), dtype = np.uint8)
      nw   = int(w * scale)
      nh   = int(h * scale)
      a = int((nw-nh)/2) 


      inp[a: a+nh, :nw, :] = cv2.resize(cv2.cvtColor(image, cv2.COLOR_BGR2RGB), (nw, nh))
    rgb = np.array([inp], dtype = np.float32) / 255.0
    return np.transpose(rgb, (0, 3, 1, 2)) # 重新排列為batch_size, channels, height, width

左滑查看更多

4. 推理

在模型的推理之前需要先加載預訓練好的模型，推理部分只需要調用compiled_model 將預處理好的數據放入即可得到輸出結果：

result = self.compiled_model([input])

左滑查看更多

但這只是一個同步的推理過程,有感興趣深入研究的的同學可以參考官網的異步推理。

5. 后處理

后處理主要有兩件事,第一是對輸出的結果進行非極大抑制,第二是將抑制后的結果進行遍歷處理掩膜。以下是一個簡短的例子:

def Postprocess(self, preds, img, orig_imgs, retina_masks, conf, iou, agnostic_nms=False):
    p = ops.non_max_suppression(preds[0],
                conf,
                iou,
                agnostic_nms,
                max_det=100,
                nc=1)
    results = []
    proto = preds[1][-1] if len(preds[1]) == 3 else preds[1] # second output is len 3 if pt, but only 1 if exported
    for i, pred in enumerate(p):
      orig_img = orig_imgs[i] if isinstance(orig_imgs, list) else orig_imgs
      # path = self.batch[0]
      img_path = "ok"
      if not len(pred): # save empty boxes
        results.append(Results(orig_img=orig_img, path=img_path, names="segment", boxes=pred[:, :6]))
        continue
      if retina_masks:
        if not isinstance(orig_imgs, torch.Tensor):
          pred[:, :4] = ops.scale_boxes(img.shape[2:], pred[:, :4], orig_img.shape)
        masks = ops.process_mask_native(proto[i], pred[:, 6:], pred[:, :4], orig_img.shape[:2]) # HWC
      else:
        masks = ops.process_mask(proto[i], pred[:, 6:], pred[:, :4], img.shape[2:], upsample=True) # HWC
        if not isinstance(orig_imgs, torch.Tensor):
          pred[:, :4] = ops.scale_boxes(img.shape[2:], pred[:, :4], orig_img.shape)
      results.append(
        Results(orig_img=orig_img, path=img_path, names="1213", boxes=pred[:, :6], masks=masks))
    return results

左滑查看更多

這樣就可以拿到這個掩碼矩陣數據，這樣就可以根據這個矩陣繪制掩碼即可得到最終圖像。

結語

本文介紹了如何使用 OpenVINO Python API 部署 FastSAM 模型，以實現快速高效的語義分割。以在較低的計算成本下提供卓越的性能。這使得 FastSAM 模型成為許多計算機視覺應用的理想選擇，包括自動駕駛、醫(yī)學圖像分析和工業(yè)自動化等領域。

審核編輯：湯梓紅