C++ 实现ONNX语义分割（TopFormer)

TopFormer ONNX 实现

原创

已于 2022-10-18 10:06:23 修改 · 3k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #计算机视觉 #人工智能

于 2022-10-14 14:34:25 首次发布

本文介绍如何使用ONNX和C++实现TopFormer语义分割模型。通过详细步骤展示模型加载、图像预处理、推理及结果可视化的过程。适用于希望了解模型部署流程的读者。

TopFormer是一个比较高效的语义分割模型，
在TopFormer ONNX主页上可以找到python的实现。

用一个小猫的图片测试一下
在这里插入图片描述
瑕疵是有一些，不过它的特点是非常快，视频语义分割能达到实时（本地CPU）。
TopFormer模型的输出Size是64x64，这个是resize后的效果。

用cpp实现看看效果。
cpp版的onnxruntime安装这里就不说了，参考链接
还需要安装cpp版的opencv，我选的是4.5，安装参考

然后你的CmakeLists.txt里面要link这两样

target_link_libraries(${PROJECT_NAME}
        ${OpenCV_LIBS}
        ${ONNXRUNTIME_LIB}
        )

来一波include

#include <iostream>
#include <fstream>
#include <array>
#include <string>

#include <opencv4/opencv2/core/mat.hpp>
#include <opencv4/opencv2/imgcodecs.hpp>
#include <opencv4/opencv2/imgproc.hpp>
#include <core/session/experimental_onnxruntime_cxx_api.h>

using namespace std;
using namespace cv;

onnx模型直接用github下下来的就好，
定义几个onnxruntime变量

const string modelFile = "TopFormer-S_512x512_2x8_160k.onnx";
Ort::Env env;
Ort::SessionOptions sessionOptions;
Ort::Session session(nullptr);

try{
   
   
     session = Ort::Session(env, modelFile.data(), sessionOptions);
} catch(Ort::Exception& e) {
   
   
     cout << e.what() << endl;
     return 1;
}

TopFormer的输入Size是1x3x512x512，输出Size是1x150x64x64,
所以先定义下形状。

constexpr int64_t numChannels = 3;  //constexpr修饰，表示编译期就可以得到常量值去优化

最低0.47元/天解锁文章