TensorFlow 和 OpenCV 实时分类

Posted 2023-03-13

【中文标题】TensorFlow 和 OpenCV 实时分类

【英文标题】：Tensorflow and OpenCV real-time classification

【发布时间】：2017-11-24 22:26:10

【问题描述】：

我正在测试机器学习水域并使用TS inception 模型重新训练网络以对我想要的对象进行分类。

最初，我的预测是在本地存储的图像上运行的，我意识到从文件中取消持久化图形需要 2-5 秒，而运行实际预测需要大约同一时间。

此后，我调整了我的代码以合并来自 OpenCV 的摄像头馈送，但由于上述时间，视频延迟是不可避免的。

在初始图形加载期间预计会出现时间命中；这就是为什么 initialSetup() 事先运行，但 2-5 秒是荒谬的。 我觉得我目前的申请；实时分类，这不是最好的加载方式。还有另一种方法吗？我知道移动版本 TS 建议缩小图表。瘦下来会是这里的路吗？万一这很重要，我的图表目前是 87.4MB

除此之外，有没有办法加快预测过程？

import os
import cv2
import timeit
import numpy as np
import tensorflow as tf

camera = cv2.VideoCapture(0)

# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
               in tf.gfile.GFile('retrained_labels.txt')]

def grabVideoFeed():
    grabbed, frame = camera.read()
    return frame if grabbed else None

def initialSetup():
    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
    start_time = timeit.default_timer()

    # This takes 2-5 seconds to run
    # Unpersists graph from file
    with tf.gfile.FastGFile('retrained_graph.pb', 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        tf.import_graph_def(graph_def, name='')

    print 'Took  seconds to unpersist the graph'.format(timeit.default_timer() - start_time)

def classify(image_data):
    print '********* Session Start *********'

    with tf.Session() as sess:
        start_time = timeit.default_timer()

        # Feed the image_data as input to the graph and get first prediction
        softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

        print 'Tensor', softmax_tensor

        print 'Took  seconds to feed data to graph'.format(timeit.default_timer() - start_time)

        start_time = timeit.default_timer()

        # This takes 2-5 seconds as well
        predictions = sess.run(softmax_tensor, 'Mul:0': image_data)

        print 'Took  seconds to perform prediction'.format(timeit.default_timer() - start_time)

        start_time = timeit.default_timer()

        # Sort to show labels of first prediction in order of confidence
        top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

        print 'Took  seconds to sort the predictions'.format(timeit.default_timer() - start_time)

        for node_id in top_k:
            human_string = label_lines[node_id]
            score = predictions[0][node_id]
            print('%s (score = %.5f)' % (human_string, score))

        print '********* Session Ended *********'

initialSetup()

while True:
    frame = grabVideoFeed()

    if frame is None:
        raise SystemError('Issue grabbing the frame')

    frame = cv2.resize(frame, (299, 299), interpolation=cv2.INTER_CUBIC)

    # adhere to TS graph input structure
    numpy_frame = np.asarray(frame)
    numpy_frame = cv2.normalize(numpy_frame.astype('float'), None, -0.5, .5, cv2.NORM_MINMAX)
    numpy_final = np.expand_dims(numpy_frame, axis=0)

    classify(numpy_final)

    cv2.imshow('Main', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

camera.release()
cv2.destroyAllWindows()

编辑 1

在调试完我的代码后，我意识到创建会话是一项既耗费资源又耗费时间的操作。

在之前的代码中，在运行预测的基础上，为每个 OpenCV 提要创建了一个新会话。 将 OpenCV 操作封装在单个会话中提供了巨大的时间改进，但这仍然会在初始运行时增加大量开销；预测需要 2-3 秒。之后，预测大约需要 0.5 秒，这使得摄像头馈送仍然滞后。

import os
import cv2
import timeit
import numpy as np
import tensorflow as tf

camera = cv2.VideoCapture(0)

# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
               in tf.gfile.GFile('retrained_labels.txt')]

def grabVideoFeed():
    grabbed, frame = camera.read()
    return frame if grabbed else None

def initialSetup():
    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
    start_time = timeit.default_timer()

    # This takes 2-5 seconds to run
    # Unpersists graph from file
    with tf.gfile.FastGFile('retrained_graph.pb', 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        tf.import_graph_def(graph_def, name='')

    print 'Took  seconds to unpersist the graph'.format(timeit.default_timer() - start_time)

initialSetup()

with tf.Session() as sess:
    start_time = timeit.default_timer()

    # Feed the image_data as input to the graph and get first prediction
    softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

    print 'Took  seconds to feed data to graph'.format(timeit.default_timer() - start_time)

    while True:
        frame = grabVideoFeed()

        if frame is None:
            raise SystemError('Issue grabbing the frame')

        frame = cv2.resize(frame, (299, 299), interpolation=cv2.INTER_CUBIC)

        cv2.imshow('Main', frame)

        # adhere to TS graph input structure
        numpy_frame = np.asarray(frame)
        numpy_frame = cv2.normalize(numpy_frame.astype('float'), None, -0.5, .5, cv2.NORM_MINMAX)
        numpy_final = np.expand_dims(numpy_frame, axis=0)

        start_time = timeit.default_timer()

        # This takes 2-5 seconds as well
        predictions = sess.run(softmax_tensor, 'Mul:0': numpy_final)

        print 'Took  seconds to perform prediction'.format(timeit.default_timer() - start_time)

        start_time = timeit.default_timer()

        # Sort to show labels of first prediction in order of confidence
        top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

        print 'Took  seconds to sort the predictions'.format(timeit.default_timer() - start_time)

        for node_id in top_k:
            human_string = label_lines[node_id]
            score = predictions[0][node_id]
            print('%s (score = %.5f)' % (human_string, score))

        print '********* Session Ended *********'

        if cv2.waitKey(1) & 0xFF == ord('q'):
            sess.close()
            break

camera.release()
cv2.destroyAllWindows()

编辑 2

在摆弄之后，我偶然发现了graph quantization 和graph transformation，这就是获得的结果。

原始图表：87.4MB

量化图：87.5MB

转换后的图：87.1MB

八位计算：22MB，但在使用时遇到this。

【问题讨论】：

见：medium.com/towards-data-science/…

@Ruut 我在 6 月 23 日读过这篇文章；实际上，第二天就出来了。他使用多线程来加速 I/O 操作。我一直想在我的项目中尝试这个，但实际预测仍然需要 0.4-0.8 秒，我认为这是因为我的模型很大。我仍在寻找缩小尺寸的方法

您好，我正在尝试实现与您几乎相同的目标：通过 OpenCV Videocapture 进行实时 Tensorflow 分类。预测持续 0.4 秒。我安装了支持 GPU 的 Tensorflow。请问(1)你是否在CPU/GPU构建？ (2)你有没有办法实现更快的速度？感谢您的建议。谢谢。

@KeithOYS 我没有使用 GPU。其背后的原因是因为我要把我的模型移植到手机上。 2：尝试运行我的量化图时，我仍然收到上面提到的错误。 I/O 当前在主线程上运行，因此请考虑将其移至单独的线程。 Example。这将有助于加快速度。

@KeithOYS 关于加速实际模型，请考虑为mobilenet 重新训练它

【参考方案1】：

我最近添加了使用 TensorFlow for Poets 训练较小 Mobilenet 模型的选项： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/docs_src/tutorials/image_retraining.md#other-model-architectures

这可能有助于加快分类速度，但会牺牲一些准确性。

【讨论】：

谢谢你..我会试一试，让你知道..还有一件事，我在搞乱对象检测 api 并设法在我自己的数据集上本地训练它。既然您是 Google 工程师，我希望您能接受我的 approach 以及下次我可以做些什么来改进它。非常感谢您的帮助！

你做到了实时吗？即使在桌面上我也面临同样的问题

@HaraHaraMahadevaki 我已经有一段时间没有解决这个问题了。我建议在移动网络上重新训练它。

你能给我链接吗？

顺便说一下，尝试使用这种方法。它提供了相当大的性能提升pyimagesearch.com/2015/12/21/…