SSD目标检测模型

目标检测是计算机视觉核心任务之一，也是最常见与应用最广泛的视觉场景。OpenVINO已经提供了以下通用场景下的目标检测包括人脸检测、行人检测、物体检测、车辆检测、车牌检测等，一个图像目标检测显示示意图如下：

相比图像分类，目标检测多了每个对象位置信息，所以简单的认为目标检测=图像分类+Box位置信息。第一个深度学习相关的目标检测网络正是基于这样思想的RCNN模型，但是它的缺点是无法实时，所以2015年底有人提出了一个实时目标检测网络Single Shot MultiBox Detector缩写为SSD。它的模型结构如下：

图2中SSD目标检测网络简单说可以分为三个部分：

OpenVINO2021.04中模型库自带预训练的人脸检测网络有很多，分别针对不同的应用场景与输入分辨率。这里我们以face-detection-0202人脸检测模型为例说明，它是一个MobileNetV2作为基础网络的SSD目标检测模型，模型支持的输入图像大小与格式如下：
NCHW=1x3x384x384其中N表示图像数目，这里为1C表示输入图像通道数目，这里彩色图像为3，H表示图像高度，W表示图像宽度，期望的图像通道顺序：BGR

模型推理计算得输出格式为：
1x1xNx7其中
N表示检测到的对象数目
7表示[image_id, label, conf, x_min, y_min, x_max, y_max]
这七个值，其中
Image_id表示图像编号，这个输入的是一张图像，base为0
Label 表示标签，跟数据集的label_map文本文件相关，根据标签编号可以查找标签文本名
Conf 表示对象的置信度，取值范围在0~1之间，值越大表示置信程度越高
x_min, y_min, x_max, y_max四个值对象位置信息，分别是左上角与有下角的坐标
该模型的相关性能参数如下：

从上面我们可以知道模型来自Pytorch训练生成。
OpenVINO基于SSD模型实时人脸检测现在我们已经了解SSD模型的基本网络结构，OpenVINO自带SSD人脸检测模型face-detection-0202的输入与输出相关格式与参数细节信息，这里我们就基于该模型使用OpenVINO中的推理引擎模型实现一个实时人脸检测应用，根据之前的内容，我们首先需要加载模型，相关代码如下：
// 加载检测模型
auto network = ie.ReadNetwork(model_xml, model_bin);
其中
model_xml表示face-detection-0202模型文件
model_bin表示face-detection-0202权重文件
然后设置模型的输入与输出相关的格式，代码如下：
// 请求网络输入与输出信息
InferenceEngine::InputsDataMapinput_info(network.getInputsInfo());
InferenceEngine::OutputsDataMapoutput_info
(network.getOutputsInfo());
// 设置输入格式
for (auto &item : input_info) {
auto input_data = item.second;
input_data->setPrecision(Precision::U8);
input_data->setLayout(Layout::NCHW);
}
printf(“get it \n”);
// 设置输出格式
for (auto &item : output_info) {
auto output_data = item.second;
output_data->setPrecision(Preci -
sion::FP32);
}
加载可执行网络，创建推理请求对象实例，代码如下：
// 创建可执行网络对象
auto executable_network = ie.LoadNetwork(network,“CPU”);
// 创建推理请求
auto infer_request = executable_network.CreateInferRequest();
设置推理输入图像数据，转换为NCHW格式的blob数据，代码如下：
/** Getting input blob /
auto input = infer_request.GetBlob(input_name);size_tnum_channels = input->getTensorDesc().getDims()
[1];
size_t h = input->getTensorDesc().getDims()[2];
size_t w = input->getTensorDesc().getDims()[3];
size_timage_size = hw;
Mat blob_image;
resize(src, blob_image, Size(w, h));
// NCHW
unsigned char data = static_cast<unsigned char>
(input->buffer());
for (size_t row = 0; row < h; row++) {
for (size_t col = 0; col < w; col++) {
for (size_tch = 0;
ch<num_channels; ch++) {
d a t a
[image_sizech + roww + col] = blob_image.at
(row, col)[ch];
}
}
}
预测与解析输出结果，代码如下：
// 执行预测
infer_request.Infer();
// 处理输出结果
for (auto &item : output_info) {
auto output_name = item.first;
// 获取输出数据
auto output = infer_request.GetBlob
(output_name);
const float detection = static_cast<PrecisionTraitPrecision::FP32::value_type*>(output->buffer());
const SizeVectoroutputDims =
output->getTensorDesc().getDims();
const int maxProposalCount = outputDims[2];
const int objectSize = outputDims[3];
// 解析输出结果
for (int curProposal = 0; curProposal<-
maxProposalCount; curProposal++) {
float label = detection
[curProposal * objectSize + 1];
float confidence =
detection[curProposal * objectSize + 2];
float xmin = detection
[curProposal * objectSize + 3] * image_width;
float ymin = detection
[curProposal * objectSize + 4] * image_height;
float xmax = detection
[curProposal * objectSize + 5] * image_width;
float ymax = detection
[curProposal * objectSize + 6] * image_height;
if (confidence > 0.5) {
printf
(“label id : %d\n”, static_cast(label));

Rectrect;
rect.x
= static_cast(xmin);
rect.y
= static_cast(ymin);

rect.width = static_cast(xmax - xmin);

rect.height = static_cast(ymax - ymin);

putText(src, “OpenVINO-2021R02”, Point(20, 20),
FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);

rectangle(src, rect, Scalar(0, 255, 255), 2, 8, 0);
}
std::cout<< std::endl;
}
}
imshow(“OpenVINO+SSD人脸检测”, src);

总结：

本文我们完成了OpenVINO人脸检测模型的推理调用演示，关键知识点在于模型的输入与输出格式，以及推理以后的模型输出数据的解析方式。到这里大家希望借助OpenVINO实现一个视频版本的人脸检测，没关系下一次我们将来完成这样的事情….