基于Gradio搭建的YOLOv8目标检测推理部署.zip

在先前的`RT-DETR`中，博主使用`ONNX`模型文件进行了视频、图像的推理，在本章节，博主打算使用`YOLOv8`模型进行推理，因此，我们除了需要获取`YOLOv8`的`ONNX`模型文件外，还需要进行一些额外的操作，如`NMS`后处理过程，其详细实现过程如下： # YOLOv8模型导出 在`YOLOv8`的官方项目中，新建`export.py`，写入如下代码即可导出`yolov8n,onnx`文件 ```python from ultralytics import YOLO model = YOLO("D:\graduate\programs\yolo8/ultralytics-main\yolov8n.pt") model.export(format="onnx") ``` # Gradio推理UI设计 这里，我们先使用`Gradio`进行推理界面的搭建，其输入与输出均为图像 ```python import YOLODet import gradio as gr import cv2 model = 'yolov8n.onnx' yolo_det = YOLODet.YOLODet(model, conf_thres=0.5, iou_thres=0.3) def det_img(cv_src): yolo_det(cv_src) cv_dst = yolo_det.draw_detections(cv_src) return cv_dst if __name__ == '__main__': img_input = gr.Image() img_output = gr.Image() app = gr.Interface(fn=det_img, inputs=img_input, outputs=img_output) app.launch() ``` # YOLO目标检测推理 上面已经给出了`YOLOv8`模型推理的函数，那么其具体是如何实现的呢？ 上述函数的具体实现分别在`YOLODet.py`与`utils.py`文件中，具体实现过程如下： ## YOLODet实例化 首先是`YOLODet`对象的实例化，其通过`__init__`初始化置信度等参数，并生成`InferenceSession`的实例 ```python yolo_det = YOLODet.YOLODet(model, conf_thres=0.5, iou_thres=0.3) ``` 初始化参数代码如下： ```python def __init__(self, path, conf_thres=0.7, iou_thres=0.5): self.conf_threshold = conf_thres self.iou_threshold = iou_thres # Initialize model self.initialize_model(path) ``` 生成`InferenceSession`的实例 ```python def initialize_model(self, path): self.session = onnxruntime.InferenceSession(path,providers=onnxruntime.get_available_providers()) # Get model info self.get_input_details() self.get_output_details() ``` 读取模型的参数信息，`YOLO`模型在训练时设置图像为`640*640`，该信息作为参数保存在了`ONNX`模型文件中，此时通过读取模型文件中的相关参数来为前处理任务设置参数 ```python def get_input_details(self): model_inputs = self.session.get_inputs() self.input_names = [model_inputs[i].name for i in range(len(model_inputs))] self.input_shape = model_inputs[0].shape self.input_height = self.input_shape[2] self.input_width = self.input_shape[3] ``` 获取ONNX的输出值的名称 ```python def get_output_details(self): model_outputs = self.session.get_outputs() self.output_names = [model_outputs[i].name for i in range(len(model_outputs))] ``` ## 输出结果解析原理 这里的输出值为`output0`，即只有一个值，我们可以通过下面代码来查看这个`onnx`模型的输出结果具体是什么样子的 ```python import onnx # 加载模型 model = onnx.load('D:\graduate\programs\yolo8/ultralytics-main/runs\detect/train2\weights/best.onnx') # 检查模型格式是否完整及正确 onnx.checker.check_model(model) # 获取输出层，包含层名称、维度信息 output = model.graph.output print(output) ``` 可以看到其名称即为`output0`，其维度为`3`维，即`（1，7，8400）` ```python [name: "output0" type { tensor_type { elem_type: 1 shape { dim { dim_value: 1 } dim { dim_value: 7 } dim { dim_value: 8400 } } } } ] ``` 这里为何是（`7，8400）`呢，首先解释一下7的原因，前`4`个元素是边界框的坐标`（x, y, w, h）`。 剩下的`3`个元素`（car，truck，bus）`是类别得分。 博主也曾直接使用`YOLOv8`训练好的`pt`模型进行转换，得到的结果为`（1，84，8400）`，其中`84`便是`4`个坐标加上`COCO`数据集中的80个类别 那么，这个8400是如何来的呢，这是由于YOLO的三个不同尺度的检测头的原因： **(80×80+40×40+20×20)=(6400+1600+400)=8400** 每个网格点产生一个预测结果，即有`8400`个预测结果，同时，关于这一点我们可以通过`后处理`过程来证实 ```python def postprocess(self, input_image, output): """ 对模型的输出进行后处理，以提取边界框、置信度分数和类别ID。 参数: input_image (numpy.ndarray): 输入图像。 output (numpy.ndarray): 模型的输出。 返回值: numpy.ndarray: 带有绘制检测结果的输入图像。 """ # 转置并压缩输出以匹配预期的形状 outputs = np.transpose(np.squeeze(output[0])) # 获取输出数组中的行数 rows = outputs.shape[0] # 用于存储检测到的边界框、置信度分数和类别ID的列表 boxes = [] scores = [] class_ids = [] # 计算边界框坐标的缩放因子 x_factor = self.img_width / self.input_width y_factor = self.img_height / self.input_height # 遍历输出数组中的每一行 for i in range(rows): # 选出大于置信度的检测结果 # 从当前行中提取类别分数 classes_scores = outputs[i][4:] # 找到类别分数中的最大值 max_score = np.amax(classes_scores) # 如果最大值大于置信度阈值 if max_score >= self.confidence_thres: # 获取具有最高分数的类别ID class_id = np.argmax(classes_scores) # 从当前行中提取边界框坐标 x, y, w, h = outputs[i][0], outputs[i][1], outputs[i][2], outputs[i][3] ``` 注意，该后处理过程通过 `np.amax`确定其所属类别，并将所有大于置信度的结果筛选出，但其数量依旧很多，因此需要进行非极大值抑制`（NMS）`操作。 ## YOLO推理代码 推理的代码很简单，只要把图像输入加载好的模型中即可： 得到输出结果`output0` ```python outputs = self.inference(input_tensor) ``` ```python def inference(self, input_tensor): start = time.perf_counter() outputs = self.session.run(self.output_names, {self.input_names[0]: input_tensor}) return outputs ```  ## 后处理操作之结果解析 随后将输出结果进行后处理操作 ```python self.boxes, self.scores, self.class_ids = self.process_output(outputs) ``` 上述的后处理过程实现较为繁杂，因此可以采用如下处理方式： ```python def process_output(self, output): predictions = np.squeeze(output[0]).T#转为维度为（8400，7） # Filter out object confidence scores below threshold scores = np.max(predictions[:, 4:], axis=1)#选出预测概率最大的分数 predictions = predictions[scores > self.conf_threshold, :]#选出大于置信度的预测结果 scores = scores[scores > self.conf_threshold]#选出大于置信度的分数 if len(scores) == 0: return [], [], [] # Get the class with the highest confidence class_ids = np.argmax(predictions[:, 4:], axis=1)#根据每个类别最大的概率得到其对应的类别编号 # Get bounding boxes for each object boxes = self.extract_boxes(predictions)#获取box # Apply non-maxima suppression to suppress weak, overlapping bounding boxes # indices = nms(boxes, scores, self.iou_threshold) indices = multiclass_nms(boxes, scores, class_ids, self.iou_threshold) return boxes[indices], scores[indices], class_ids[indices] ``` 关于`extract_boxes`函数，其作用为处理 `bounding box`（预测框），主要分为两个过程，一个是将预测框结果恢复到与图像大小相匹配的大小（由于多尺度的关系，其输出的预