0


YOLOv7-Pose尝鲜,基于YOLOv7的关键点模型测评

【前言】

本文首发于GiantPandaCV,未经许可请勿转载!目前人体姿态估计总体分为Top-down和Bottom-up两种,与目标检测不同,无论是基于热力图或是基于检测器处理的关键点检测算法,都较为依赖计算资源,推理耗时略长,今年出现了以YOLO为基线的关键点检测器。玩过目标检测的童鞋都知道YOLO以及各种变种目前算是工业落地较多的一类检测器,其简单的设计思想,长期活跃的社区生态,使其始终占据着较高的话题度。

【演变】

在ECCV 2022和CVPRW 2022会议上,YoLo-Pose和KaPao(下称为yolo-like-pose)都基于流行的YOLO目标检测框架提出一种新颖的无热力图的方法,类似于很久以前谷歌使用回归计算关键点的思想,yolo-like-pose一不使用检测器进行二阶处理,二部使用热力图拼接,虽然是一种暴力回归关键点的检测算法,但在处理速度上具有一定优势。

kapao

去年11月,滑铁卢大学率先提出了 KaPao:Rethinking Keypoint Representations: Modeling Keypoints and Poses as Objects for Multi-Person Human Pose Estimation,基于YOLOv5进行关键点检测,该文章目前已被ECCV 2022接收,该算法所取得的性能如下:

paper:https://arxiv.org/abs/2111.08557
code:https://github.com/wmcnally/kapao

yolov5-pose

今年4月,yolo-pose也挂在了arvix,在论文中,通过调研发现 HeatMap 的方式普遍使用L1 Loss。然而,L1损失并不一定适合获得最佳的OKS。且由于HeatMap是概率图,因此在基于纯HeatMap的方法中不可能使用OKS作为loss,只有当回归到关键点位置时,OKS才能被用作损失函数。
因此,yolo-pose使用oks loss作为关键点的损失

相关代码在https://github.com/TexasInstruments/edgeai-yolov5/blob/yolo-pose/utils/loss.py也可见到:

if self.kpt_label:#Direct kpt prediction
                    pkpt_x = ps[:,6::3]*2.-0.5
                    pkpt_y = ps[:,7::3]*2.-0.5
                    pkpt_score = ps[:,8::3]#mask
                    kpt_mask =(tkpt[i][:,0::2]!=0)
                    lkptv += self.BCEcls(pkpt_score, kpt_mask.float())#l2 distance based loss#lkpt += (((pkpt-tkpt[i])*kpt_mask)**2).mean()  #Try to make this loss based on distance instead of ordinary difference#oks based loss
                    d =(pkpt_x-tkpt[i][:,0::2])**2+(pkpt_y-tkpt[i][:,1::2])**2
                    s = torch.prod(tbox[i][:,-2:], dim=1, keepdim=True)
                    kpt_loss_factor =(torch.sum(kpt_mask !=0)+ torch.sum(kpt_mask ==0))/torch.sum(kpt_mask !=0)
                    lkpt += kpt_loss_factor*((1- torch.exp(-d/(s*(4*sigmas**2)+1e-9)))*kpt_mask).mean()

相关性能如下:

yolov7-pose

上个星期,YOLOv7的作者也放出了关于人体关键点检测的模型,该模型基于YOLOv7-w6,

目前作者提供了.pt文件和推理测试的脚本,有兴趣的童靴可以去看看,本文的重点更偏向于对yolov7-pose.pt进行onnx文件的抽取和推理。

【yolov7-pose + onnxruntime】

首先下载好官方的预训练模型,使用提供的脚本进行推理:

% weigths = torch.load('weights/yolov7-w6-pose.pt')% image = cv2.imread('sample/pose.jpeg')
!python pose.py 

一、yolov7-w6 VS yolov7-w6-pose

  1. 首先看下yolov7-w6使用的检测头
  •                                f                              f                  f 表示一共有四组不同尺度的检测头,分别为15×15,30×30,60×60,120×120,对应输出的节点为114,115,116,117
    
  • nc对应coco的80个类别
  • no表示 c l a s s . n u m + o b j + r e g = 80 + 1 + 4 = 85 class_.num+obj+reg = 80+1+4=85 class.​num+obj+reg=80+1+4=85
  1. 再看看yolov7-w6-pose使用的检测头: 上述重复的地方不累述,讲几个点:
  •                                n                         c                         =                         1                              nc=1                  nc=1 代表person一个类别
    
  • nkpt表示人体的17个关键点
  •                                n                         o                         =                         17                         ∗                         3                         =                         n                         k                         p                         t                         ∗                         (                         x                         +                         y                         +                         o                         b                         j                         )                         =                         57                              no=17*3=nkpt*(x+y+obj)=57                  no=17∗3=nkpt∗(x+y+obj)=57
    

二、修改export脚本

如果直接使用export脚本进行onnx的抽取一定报错,在上一节我们已经看到pose.pt模型使用的检测头为IKeypoint,那么脚本需要进行相应更改:
在export.py的这个位置插入:

# 原代码:for k, m in model.named_modules():
        m._non_persistent_buffers_set =set()# pytorch 1.6.0 compatibilityifisinstance(m, models.common.Conv):# assign export-friendly activationsifisinstance(m.act, nn.Hardswish):
                m.act = Hardswish()elifisinstance(m.act, nn.SiLU):
                m.act = SiLU()
     model.model[-1].export =not opt.grid  # set Detect() layer grid export# 修改代码:for k, m in model.named_modules():
        m._non_persistent_buffers_set =set()# pytorch 1.6.0 compatibilityifisinstance(m, models.common.Conv):# assign export-friendly activationsifisinstance(m.act, nn.Hardswish):
                m.act = Hardswish()elifisinstance(m.act, nn.SiLU):
                m.act = SiLU()elifisinstance(m, models.yolo.IKeypoint):
            m.forward = m.forward_keypoint  # assign forward (optional)# 此处切换检测头
    model.model[-1].export =not opt.grid  # set Detect() layer grid export

forward_keypoint在原始的yolov7 repo源码中有,作者已经封装好,但估计是还没打算开放使用。

使用以下命令进行抽取:

python export.py --weights 'weights/yolov7-w6-pose.pt'--img-size 960--simplify True

抽取后的onnx检测头:


三、onnxruntime推理

onnxruntime推理代码:

import onnxruntime
import matplotlib.pyplot as plt
import torch
import cv2
from torchvision import transforms
import numpy as np
from utils.datasets import letterbox
from utils.general import non_max_suppression_kpt
from utils.plots import output_to_keypoint, plot_skeleton_kpts

device = torch.device("cpu")

image = cv2.imread('sample/pose.jpeg')
image = letterbox(image,960, stride=64, auto=True)[0]
image_ = image.copy()
image = transforms.ToTensor()(image)
image = torch.tensor(np.array([image.numpy()]))print(image.shape)
sess = onnxruntime.InferenceSession('weights/yolov7-w6-pose.onnx')
out = sess.run(['output'],{'images': image.numpy()})[0]
out = torch.from_numpy(out)

output = non_max_suppression_kpt(out,0.25,0.65, nc=1, nkpt=17, kpt_label=True)
output = output_to_keypoint(output)
nimg = image[0].permute(1,2,0)*255
nimg = nimg.cpu().numpy().astype(np.uint8)
nimg = cv2.cvtColor(nimg, cv2.COLOR_RGB2BGR)for idx inrange(output.shape[0]):
    plot_skeleton_kpts(nimg, output[idx,7:].T,3)# matplotlib inline
plt.figure(figsize=(8,8))
plt.axis('off')
plt.imshow(nimg)
plt.show()
plt.savefig("tmp")

在这里插入图片描述

推理效果几乎无损,但耗时会缩短一倍左右,另外有几个点:

  • image = letterbox(image, 960, stride=64, auto=True)[0] 中stride指的是最大步长,yolov7-w6和yolov5s下采样多了一步,导致在8,16,32的基础上多了64的下采样步长
  • output = non_max_suppression_kpt(out, 0.25, 0.65, nc=1, nkpt=17, kpt_label=True) ,nc 和 kpt_label 等信息在netron打印模型文件时可以看到
  • 所得到的onnx相比原半精度模型大了将近三倍,后续排查原因
  • yolov7-w6-pose极度吃显存,推理一张960×960的图像,需要2-4G的显存,训练更难以想象

本文转载自: https://blog.csdn.net/weixin_45829462/article/details/126088064
版权归原作者 pogg_ 所有, 如有侵权,请联系我们删除。

“YOLOv7-Pose尝鲜,基于YOLOv7的关键点模型测评”的评论:

还没有评论