YOLOX模型ONNX格式说明

yolox 推理openvino与c++支持

YOLOX模型ONNX格式说明

我记得大概是在去年七月份的时候我写过一篇文章是介绍YOLOX+OpenVINO推理的，下载YOLOX的ONNX格式模型（github上可以下载）

https://github.com/Megvii-BaseDetection/YOLOX/tree/main/demo/ONNXRuntimehttps://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.onnx

下载ONNX格式模型，打开之后如图：

输入格式：1x3x640x640，默认BGR，无需归一化。输出格式：1x8400x85

01

什么是85

其中85的前四个是cx、cy、w、h大小，第五个是object预测得分，后面80个是COCO类别。

02

什么是8400

模型在数据输入端几乎与YOLOv5的代码一致，没有什么特别之处，唯一不同的在于输出层的解析，是把三个不同的输出层合并在一个里面了，分别是80x80, 40x40, 20x20, 每个特征点预测，所以总数才会是80x80+40x40+20x20 =8400

03

输出层解析解密

最后一层输出，这点跟YOLOv5最新版本输出层有点相似，但是YOLOv5的输出层更近一步，已经计算了相关的矩形框位置信息，直接输出就是绝对位置信息，而YOLOX还是输出原始的相对位置信息，需要解析一波才行（跟最新的YOLOv5相同），说明YOLOX的工程化方面还有待提升！不是开源就完事了！

OpenVINO推理解析

必须说明一点，参考了官方的部分代码，然后在上面猛改一通（原因是官方代码写的不是很好），改完之后，封装成一个类了，主要的方法跟我封装的YOLOv5的推理类相似，导出了两个函数方法

void YOLOXDetector::string onnxpath, float nms, float score)

该方法表示初始化IE，然后加载模型，设置nms阈值与置信度阈值score，创建一个推理请求，同时初始化每一层上对应每个特征点尺度比率。这部分的代码如下：

void YOLOXDetector::initConfig(std::string onnxpath, float nms, float score) {
    this->nms_threshold = nms;
    this->score_threshold = score;
    Core ie;
    CNNNetwork network = ie.ReadNetwork(onnxpath);
    InputInfo::Ptr input_info = network.getInputsInfo().begin()->second;
    this->input_name = network.getInputsInfo().begin()->first;

    DataPtr output_info = network.getOutputsInfo().begin()->second;
    this->out_name = network.getOutputsInfo().begin()->first;
    output_info->setPrecision(Precision::FP32);

    ExecutableNetwork executable_network = ie.LoadNetwork(network, "CPU");
    this->infer_request = executable_network.CreateInferRequest();

    std::vector<int> strides = { 8, 16, 32 };
    generate_grids_and_stride(INPUT_W, INPUT_H, strides, grid_strides);
}

检测函数

void detect(cv::Mat & frame, std::vector&results);

该方法完成检测，并把检测结果作为resulte返回，相关的代码实现可以参考之前的文章，感觉并没有什么不同，其中最大的不同的地方是对输出结果的解析，这边代码作为单独的方法函数实现如下（参考官方）：

void YOLOXDetector::generate_yolox_proposals(std::vector grid_strides, const float* feat_ptr, float prob_threshold, std::vector& objects)
{
    const int num_anchors = grid_strides.size();
    for (int anchor_idx = 0; anchor_idx < num_anchors; anchor_idx++)
    {
        const int grid0 = grid_strides[anchor_idx].grid0;
        const int grid1 = grid_strides[anchor_idx].grid1;
        const int stride = grid_strides[anchor_idx].stride;

        const int basic_pos = anchor_idx * (NUM_CLASSES + 5);

        // yolox/models/yolo_head.py decode logic
        float x_center = (feat_ptr[basic_pos + 0] + grid0) * stride;
        float y_center = (feat_ptr[basic_pos + 1] + grid1) * stride;
        float w = exp(feat_ptr[basic_pos + 2]) * stride;
        float h = exp(feat_ptr[basic_pos + 3]) * stride;
        float x0 = x_center - w * 0.5f;
        float y0 = y_center - h * 0.5f;

        float box_objectness = feat_ptr[basic_pos + 4];
        for (int class_idx = 0; class_idx < NUM_CLASSES; class_idx++)
        {
            float box_cls_score = feat_ptr[basic_pos + 5 + class_idx];
            float box_prob = box_objectness * box_cls_score;
            if (box_prob > prob_threshold)
            {
                DetectResult obj;
                obj.box.x = x0;
                obj.box.y = y0;
                obj.box.width = w;
                obj.box.height = h;
                obj.classId = class_idx;
                obj.score = box_prob;
                objects.push_back(obj);
            }
        }
    }
}

最终调用该类实现推理就显得特别简单，对图像跟视频都是一样，使用下面的代码：

detector->initConfig(this->settings->getOnnxModelPath(), score, conf);
std::vector results;
detector->detect(frame, results);

最后我发现在onnxruntime上面也一样可以，基本上重用了大部分的代码，然后把它们与我之前写YOLOv5+QT的演示整合了一下，这样就变成YOLOv5+YOLOx支持OpenVINO/ONNXRUNTIME全部可行的推理，可以自由的通过界面切换！

运行结果如下（请允许我show一下界面）：

扫码查看OpenCV+Pytorch系统化学习路线图