当今，深度学习技术在计算机视觉领域取得了巨大的突破，使得各种图像处理任务变得更加智能化。其中，Semantic Segmentation（语义分割）是一项重要的任务，它有助于计算机理解图像中不同对象的位置和边界。本文将介绍如何使用 OpenVINO™ Python API 部署 FastSAM 模型，以实现快速高效的语义分割。

什么是FastSAM模型？

FastSAM 模型是一种轻量级语义分割模型，旨在快速而准确地分割图像中的对象。它经过了精心设计，以在较低的计算成本下提供卓越的性能。这使得 FastSAM  模型成为许多计算机视觉应用的理想选择，包括自动驾驶、医学图像分析和工业自动化等领域。

步骤一：安装Openvino

要开始使用 OpenVINO™ 进行推理 FastSAM 模型，首先需要安装 OpenVINO™ Toolkit。OpenVINO™ 是英特尔发布的开源工具，专为深度学习模型部署而设计。

你可以按照以下步骤安装OpenVINO™ ：访问OpenVINO官方网站下载OpenVINO工具包。按照官方文档的说明进行安装和配置PythonAPI版本。

步骤二：下载FastSAM官网模型

FastSAM 模型可以在官方 GitHub中找到。下载模型并将其解压缩到合适的文件夹。根据自身情况下载合适的预训练模型。

这里还需要将下载到的模型，由于这个模型是采用的pytorch 类型的格式，所以还需要将这个 pt 模型转换为 OpenVINO™ 的 IR 模型才能进行调用推理。

转换步骤如下所示：

需要先导出为 onnx 标准格式，然后经过这个压缩优化转化为 IR 模型。OpenVINO™ 官方提供一个模型转换工具 Model Optimizer，可以利用这个更加便捷的转换我们的模型。

例如：

mo --input_model FastSAM-s.onnx

就会在当前目录下生成对应的 FastSAM-***in 和 FastSAM-s.xml 文件，这就是所谓的 IR 模型了。

步骤三：使用OpenVINO Python API

接下来，我们将使用OpenVINO™ Python API来部署FastSAM 模型。由于官方提供的这个预训练模型也是基于yolov8进行优化的，所以也需要有和yolov8 相似推理的处理步骤：

1. 加载模型 

加载模型需要创建一个 Core， 然后对模型进行读取编译：

core = ov.Core()

model = core.read_model(model=model_path)
compiled_model = core.compile_model(model = model, device_name=self.device)

2. 读取图像

我们使用 opencv 读取任意一张彩色图像：

Image = cv2.imread(“image_path”)

3. 预处理

预处理主要包括 3 部分,其一是将图像重新排列为模型所需要的类型(一般来说是 batch Size, channels, height, width), 其二是归一化图像大小为模型输入需求的大小, 其三是将 opencv 的图像原始数据放置到 numpy 类型的数据中方便处理。

以下是一个简单的 Python 预处理，展示了如何对输入的图像进行预处理：

 def Preprocess(image: cv2.Mat, targetShape: list):
        th, tw = targetShape
        h, w = image.shape[:2]
        if h>w:
            scale   = min(th / h, tw / w)
            inp     = np.zeros((th, tw, 3), dtype = np.uint8)
            nw      = int(w * scale)
            nh      = int(h * scale)
            a = int((nh-nw)/2) 
            inp[: nh, a:a+nw, :] = cv2.resize(cv2.cvtColor(image, cv2.COLOR_BGR2RGB), (nw, nh))
        else:
            scale   = min(th / h, tw / w)
            inp     = np.zeros((th, tw, 3), dtype = np.uint8)
            nw      = int(w * scale)
            nh      = int(h * scale)
            a = int((nw-nh)/2) 

            inp[a: a+nh, :nw, :] = cv2.resize(cv2.cvtColor(image, cv2.COLOR_BGR2RGB), (nw, nh))
        rgb = np.array([inp], dtype = np.float32) / 255.0
        return np.transpose(rgb, (0, 3, 1, 2)) # 重新排列为batch_size, channels, height, width

4. 推理

推理部分只需要调用通过Core生成的compiled_model， 将预处理好的数据放入即可得到输出结果：

result = compiled_model([input])

这只是一个同步的推理过程,有感兴趣深入研究的的同学可以参考官网的异步推理。

5. 后处理

后处理主要有两件事,第一是对输出的结果进行非极大抑制,第二是将抑制后的结果进行遍历处理掩膜。以下是一个简短的例子:

def Postprocess(preds, img, orig_imgs, retina_masks, conf, iou, agnostic_nms=False):
        p = ops.non_max_suppression(preds[0],
                                conf,
                                iou,
                                agnostic_nms,
                                max_det=100,
                                nc=1)
        results = []
        proto = preds[1][-1] if len(preds[1]) == 3 else preds[1]  # second output is len 3 if pt, but only 1 if exported
        for i, pred in enumerate(p):
            orig_img = orig_imgs[i] if isinstance(orig_imgs, list) else orig_imgs
            # path = self.batch[0]
            img_path = "ok"
            if not len(pred):  # save empty boxes
                results.append(Results(orig_img=orig_img, path=img_path, names="segment", boxes=pred[:, :6]))
                continue
            if retina_masks:
                if not isinstance(orig_imgs, torch.Tensor):
                    pred[:, :4] = ops.scale_boxes(img.shape[2:], pred[:, :4], orig_img.shape)
                masks = ops.proces***ask_native(proto[i], pred[:, 6:], pred[:, :4], orig_img.shape[:2])  # HWC
            else:
                masks = ops.proces***ask(proto[i], pred[:, 6:], pred[:, :4], img.shape[2:], upsample=True)  # HWC
                if not isinstance(orig_imgs, torch.Tensor):
                    pred[:, :4] = ops.scale_boxes(img.shape[2:], pred[:, :4], orig_img.shape)
            results.append(
                Results(orig_img=orig_img, path=img_path, names="1213", boxes=pred[:, :6], mask***asks))
        return results

这样就可以拿到这个掩码矩阵数据。

6. 绘制掩码

根据上面拿到的掩码矩阵，我们就可以绘制这个最终图像：

def overlay(image: np.ndarray, mask: np.ndarray, color: tuple, alpha: float, resize=None):
        color = color[::-1]
        colored_mask = np.expand_dim***ask, 0).repeat(3, axis=0)
        colored_mask = np.moveaxis(colored_mask, 0, -1)
        masked = np.ma.MaskedArray(image, mask=colored_mask, fill_value=color)
        image_overlay = masked.filled()

        if resize is not None:
            image = cv2.resize(image.transpose(1, 2, 0), resize)
            image_overlay = cv2.resize(image_overlay.transpose(1, 2, 0), resize)

        return cv2.addWeighted(image, 1 - alpha, image_overlay, alpha, 0)

结语

本文介绍了如何使用 OpenVINO™ Python API 部署 FastSAM 模型在AIxBoard开发板上，以实现快速高效的语义分割。以在较低的计算成本下提供卓越的性能。这使得 FastSAM 模型成为许多计算机视觉应用的理想选择，包括自动驾驶、医学图像分析和工业自动化等领域。

相关链接

FastSAN官方仓库

OpenVINO™ 官方仓库

OpenVINO™ Demo 官方仓库

FastSAM 模型部署实现代码仓库