В этом примере показано, как сгенерировать код CUDA® MEX для обнаружения дорожного знака и приложения для распознавания, которое использует глубокое обучение. Обнаружение дорожного знака и распознавание являются важным приложением для систем помощи водителю, помощи и предоставления информации к драйверу о дорожных знаках.
В этом примере обнаружения и распознавания дорожного знака вы выполняете три шага - обнаружение, Немаксимальное подавление (NMS) и распознавание. Во-первых, пример обнаруживает дорожные знаки на входном изображении при помощи сети обнаружения объектов, которая является вариантом сети You Only Look Once (YOLO). Затем перекрывающиеся обнаружения подавлены при помощи алгоритма NMS. Наконец, сеть распознавания классифицирует обнаруженные дорожные знаки.
Необходимый
Этот пример генерирует MEX CUDA и имеет следующие сторонние требования.
CUDA® включил NVIDIA® графический процессор и совместимый драйвер.
Дополнительный
Для сборок неMEX, таких как статические, динамические библиотеки или исполняемые файлы, этот пример имеет следующие дополнительные требования.
Инструментарий NVIDIA.
Библиотека NVIDIA cuDNN.
Переменные окружения для компиляторов и библиотек. Для получения дополнительной информации смотрите Стороннее Оборудование (GPU Coder) и Подготовка Необходимых как условие продуктов (GPU Coder).
Используйте coder.checkGpuInstall
Функция (GPU Coder), чтобы проверить, что компиляторы и библиотеки, необходимые для выполнения этого примера, настраиваются правильно.
envCfg = coder.gpuEnvConfig('host'); envCfg.DeepLibTarget = 'cudnn'; envCfg.DeepCodegen = 1; envCfg.Quiet = 1; coder.checkGpuInstall(envCfg);
Сеть обнаружения обучена в среде даркнета и импортирована в MATLAB® для вывода. Поскольку размер дорожного знака относительно мал относительно того из изображения, и количество обучающих выборок в классе меньше в обучающих данных, все дорожные знаки рассматриваются как единый класс для того, чтобы обучить сеть обнаружения.
Сеть обнаружения делит входное изображение на 7 7 сетка. Каждая ячейка сетки обнаруживает дорожный знак, если центр дорожного знака находится в пределах ячейки сетки. Каждая ячейка предсказывает две ограничительных рамки и оценки достоверности для этих ограничительных рамок. Оценки достоверности указывают, содержит ли поле объект или нет. Каждая ячейка предсказывает на вероятности для нахождения дорожного знака в ячейке сетки. Итоговый счет является продуктом предыдущих баллов. Вы применяете порог 0,2 на этом итоговом счете, чтобы выбрать обнаружения.
Сеть распознавания обучена на тех же изображениях при помощи MATLAB.
trainRecognitionnet.m скрипт помощника показывает обучение сети распознавания.
Загрузите сети обнаружения и распознавания.
getTsdr();
Сеть обнаружения содержит 58 слоев включая свертку, текучий ReLU и полносвязные слоя.
load('yolo_tsr.mat');
yolo.Layers
ans = 58×1 Layer array with layers: 1 'input' Image Input 448×448×3 images 2 'conv1' Convolution 64 7×7×3 convolutions with stride [2 2] and padding [3 3 3 3] 3 'relu1' Leaky ReLU Leaky ReLU with scale 0.1 4 'pool1' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 5 'conv2' Convolution 192 3×3×64 convolutions with stride [1 1] and padding [1 1 1 1] 6 'relu2' Leaky ReLU Leaky ReLU with scale 0.1 7 'pool2' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 8 'conv3' Convolution 128 1×1×192 convolutions with stride [1 1] and padding [0 0 0 0] 9 'relu3' Leaky ReLU Leaky ReLU with scale 0.1 10 'conv4' Convolution 256 3×3×128 convolutions with stride [1 1] and padding [1 1 1 1] 11 'relu4' Leaky ReLU Leaky ReLU with scale 0.1 12 'conv5' Convolution 256 1×1×256 convolutions with stride [1 1] and padding [0 0 0 0] 13 'relu5' Leaky ReLU Leaky ReLU with scale 0.1 14 'conv6' Convolution 512 3×3×256 convolutions with stride [1 1] and padding [1 1 1 1] 15 'relu6' Leaky ReLU Leaky ReLU with scale 0.1 16 'pool6' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 17 'conv7' Convolution 256 1×1×512 convolutions with stride [1 1] and padding [0 0 0 0] 18 'relu7' Leaky ReLU Leaky ReLU with scale 0.1 19 'conv8' Convolution 512 3×3×256 convolutions with stride [1 1] and padding [1 1 1 1] 20 'relu8' Leaky ReLU Leaky ReLU with scale 0.1 21 'conv9' Convolution 256 1×1×512 convolutions with stride [1 1] and padding [0 0 0 0] 22 'relu9' Leaky ReLU Leaky ReLU with scale 0.1 23 'conv10' Convolution 512 3×3×256 convolutions with stride [1 1] and padding [1 1 1 1] 24 'relu10' Leaky ReLU Leaky ReLU with scale 0.1 25 'conv11' Convolution 256 1×1×512 convolutions with stride [1 1] and padding [0 0 0 0] 26 'relu11' Leaky ReLU Leaky ReLU with scale 0.1 27 'conv12' Convolution 512 3×3×256 convolutions with stride [1 1] and padding [1 1 1 1] 28 'relu12' Leaky ReLU Leaky ReLU with scale 0.1 29 'conv13' Convolution 256 1×1×512 convolutions with stride [1 1] and padding [0 0 0 0] 30 'relu13' Leaky ReLU Leaky ReLU with scale 0.1 31 'conv14' Convolution 512 3×3×256 convolutions with stride [1 1] and padding [1 1 1 1] 32 'relu14' Leaky ReLU Leaky ReLU with scale 0.1 33 'conv15' Convolution 512 1×1×512 convolutions with stride [1 1] and padding [0 0 0 0] 34 'relu15' Leaky ReLU Leaky ReLU with scale 0.1 35 'conv16' Convolution 1024 3×3×512 convolutions with stride [1 1] and padding [1 1 1 1] 36 'relu16' Leaky ReLU Leaky ReLU with scale 0.1 37 'pool16' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 38 'conv17' Convolution 512 1×1×1024 convolutions with stride [1 1] and padding [0 0 0 0] 39 'relu17' Leaky ReLU Leaky ReLU with scale 0.1 40 'conv18' Convolution 1024 3×3×512 convolutions with stride [1 1] and padding [1 1 1 1] 41 'relu18' Leaky ReLU Leaky ReLU with scale 0.1 42 'conv19' Convolution 512 1×1×1024 convolutions with stride [1 1] and padding [0 0 0 0] 43 'relu19' Leaky ReLU Leaky ReLU with scale 0.1 44 'conv20' Convolution 1024 3×3×512 convolutions with stride [1 1] and padding [1 1 1 1] 45 'relu20' Leaky ReLU Leaky ReLU with scale 0.1 46 'conv21' Convolution 1024 3×3×1024 convolutions with stride [1 1] and padding [1 1 1 1] 47 'relu21' Leaky ReLU Leaky ReLU with scale 0.1 48 'conv22' Convolution 1024 3×3×1024 convolutions with stride [2 2] and padding [1 1 1 1] 49 'relu22' Leaky ReLU Leaky ReLU with scale 0.1 50 'conv23' Convolution 1024 3×3×1024 convolutions with stride [1 1] and padding [1 1 1 1] 51 'relu23' Leaky ReLU Leaky ReLU with scale 0.1 52 'conv24' Convolution 1024 3×3×1024 convolutions with stride [1 1] and padding [1 1 1 1] 53 'relu24' Leaky ReLU Leaky ReLU with scale 0.1 54 'fc25' Fully Connected 4096 fully connected layer 55 'relu25' Leaky ReLU Leaky ReLU with scale 0.1 56 'fc26' Fully Connected 539 fully connected layer 57 'softmax' Softmax softmax 58 'classoutput' Classification Output crossentropyex with '1' and 538 other classes
Сеть распознавания содержит 14 слоев включая свертку, полностью соединенную, и классификация выходные слои.
load('RecognitionNet.mat');
convnet.Layers
ans = 14×1 Layer array with layers: 1 'imageinput' Image Input 48×48×3 images with 'zerocenter' normalization and 'randfliplr' augmentations 2 'conv_1' Convolution 100 7×7×3 convolutions with stride [1 1] and padding [0 0 0 0] 3 'relu_1' ReLU ReLU 4 'maxpool_1' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 5 'conv_2' Convolution 150 4×4×100 convolutions with stride [1 1] and padding [0 0 0 0] 6 'relu_2' ReLU ReLU 7 'maxpool_2' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 8 'conv_3' Convolution 250 4×4×150 convolutions with stride [1 1] and padding [0 0 0 0] 9 'maxpool_3' Max Pooling 2×2 max pooling with stride [2 2] and padding [0 0 0 0] 10 'fc_1' Fully Connected 300 fully connected layer 11 'dropout' Dropout 90% dropout 12 'fc_2' Fully Connected 35 fully connected layer 13 'softmax' Softmax softmax 14 'classoutput' Classification Output crossentropyex with '0' and 34 other classes
tsdr_predict
Функция точки входаtsdr_predict.m функция точки входа берет вход изображений и обнаруживает дорожные знаки в изображении при помощи сети обнаружения. Функция подавляет перекрывающиеся обнаружения (NMS) при помощи selectStrongestBbox
и распознает дорожный знак при помощи сети распознавания. Функция загружает сетевые объекты от yolo_tsr.mat
в персистентную переменную detectionnet и RecognitionNet.mat
в персистентную переменную recognitionnet. Функциональные повторные использования постоянные объекты на последующих вызовах.
type('tsdr_predict.m')
function [selectedBbox,idx] = tsdr_predict(img) %#codegen % This function detects the traffic signs in the image using Detection Network % (modified version of Yolo) and recognizes(classifies) using Recognition Network % % Inputs : % % im : Input test image % % Outputs : % % selectedBbox : Detected bounding boxes % idx : Corresponding classes % Copyright 2017-2019 The MathWorks, Inc. coder.gpu.kernelfun; % resize the image img_rz = imresize(img,[448,448]); % Converting into BGR format img_rz = img_rz(:,:,3:-1:1); img_rz = im2single(img_rz); %% TSD persistent detectionnet; if isempty(detectionnet) detectionnet = coder.loadDeepLearningNetwork('yolo_tsr.mat','Detection'); end predictions = detectionnet.activations(img_rz,56,'OutputAs','channels'); %% Convert predictions to bounding box attributes classes = 1; num = 2; side = 7; thresh = 0.2; [h,w,~] = size(img); boxes = single(zeros(0,4)); probs = single(zeros(0,1)); for i = 0:(side*side)-1 for n = 0:num-1 p_index = side*side*classes + i*num + n + 1; scale = predictions(p_index); prob = zeros(1,classes+1); for j = 0:classes class_index = i*classes + 1; tempProb = scale*predictions(class_index+j); if tempProb > thresh row = floor(i / side); col = mod(i,side); box_index = side*side*(classes + num) + (i*num + n)*4 + 1; bxX = (predictions(box_index + 0) + col) / side; bxY = (predictions(box_index + 1) + row) / side; bxW = (predictions(box_index + 2)^2); bxH = (predictions(box_index + 3)^2); prob(j+1) = tempProb; probs = [probs;tempProb]; boxX = (bxX-bxW/2)*w+1; boxY = (bxY-bxH/2)*h+1; boxW = bxW*w; boxH = bxH*h; boxes = [boxes; boxX,boxY,boxW,boxH]; end end end end %% Run Non-Maximal Suppression on the detected bounding boxess coder.varsize('selectedBbox',[98, 4],[1 0]); [selectedBbox,~] = selectStrongestBbox(round(boxes),probs); %% Recognition persistent recognitionnet; if isempty(recognitionnet) recognitionnet = coder.loadDeepLearningNetwork('RecognitionNet.mat','Recognition'); end idx = zeros(size(selectedBbox,1),1); inpImg = coder.nullcopy(zeros(48,48,3,size(selectedBbox,1))); for i = 1:size(selectedBbox,1) ymin = selectedBbox(i,2); ymax = ymin+selectedBbox(i,4); xmin = selectedBbox(i,1); xmax = xmin+selectedBbox(i,3); % Resize Image inpImg(:,:,:,i) = imresize(img(ymin:ymax,xmin:xmax,:),[48,48]); end for i = 1:size(selectedBbox,1) output = recognitionnet.predict(inpImg(:,:,:,i)); [~,idx(i)]=max(output); end
tsdr_predict
ФункцияСоздайте объект настройки графического процессора для цели MEX и установите выходной язык на C++. Используйте coder.DeepLearningConfig
(GPU Coder) функция, чтобы создать CuDNN
объект настройки глубокого обучения и присвоение это к DeepLearningConfig
свойство объекта настройки графического процессора кода. Чтобы сгенерировать MEX CUDA, используйте codegen
команда и задает вход, чтобы иметь размер [480,704,3]. Это значение соответствует входному размеру изображения tsdr_predict
функция.
cfg = coder.gpuConfig('mex'); cfg.TargetLang = 'C++'; cfg.DeepLearningConfig = coder.DeepLearningConfig('cudnn'); codegen -config cfg tsdr_predict -args {ones(480,704,3,'uint8')} -report
Code generation successful: To view the report, open('codegen/mex/tsdr_predict/html/report.mldatx').
Чтобы сгенерировать код при помощи TensorRT, передайте coder.DeepLearningConfig('tensorrt')
как опция к настройке кодера возражают вместо 'cudnn'
.
Загрузите входное изображение.
im = imread('stop.jpg');
imshow(im);
Вызовите tsdr_predict_mex
на входном изображении.
im = imresize(im, [480,704]); [bboxes,classes] = tsdr_predict_mex(im);
Сопоставьте классификационные индексы с именами дорожного знака в словаре класса.
classNames = {'addedLane','slow','dip','speedLimit25','speedLimit35','speedLimit40','speedLimit45',... 'speedLimit50','speedLimit55','speedLimit65','speedLimitUrdbl','doNotPass','intersection',... 'keepRight','laneEnds','merge','noLeftTurn','noRightTurn','stop','pedestrianCrossing',... 'stopAhead','rampSpeedAdvisory20','rampSpeedAdvisory45','truckSpeedLimit55',... 'rampSpeedAdvisory50','turnLeft','rampSpeedAdvisoryUrdbl','turnRight','rightLaneMustTurn',... 'yield','yieldAhead','school','schoolSpeedLimit25','zoneAhead45','signalAhead'}; classRec = classNames(classes);
Отобразите обнаруженные дорожные знаки.
outputImage = insertShape(im,'Rectangle',bboxes,'LineWidth',3); for i = 1:size(bboxes,1) outputImage = insertText(outputImage,[bboxes(i,1)+bboxes(i,3) bboxes(i,2)-20],classRec{i},'FontSize',20,'TextColor','red'); end imshow(outputImage);
Включенный файл помощника tsdr_testVideo.m системы координат захватов от тестового видео, выполняет обнаружение дорожного знака и распознавание, и строит результаты на каждой системе координат тестового видео.
% Input video v = VideoReader('stop.avi'); fps = 0;
while hasFrame(v) % Take a frame picture = readFrame(v); picture = imresize(picture,[920,1632]); % Call MEX function for Traffic Sign Detection and Recognition tic; [bboxes,clases] = tsdr_predict_mex(picture); newt = toc;
% fps fps = .9*fps + .1*(1/newt);
% display
displayDetections(picture,bboxes,clases,fps); end
Очистите статические сетевые объекты, которые загрузились в память.
clear mex;