【win10 vs2022 配置OnnxRuntime 运行 onnx 实例分割模型fcn】

安装onnx方法：

1. win10 安装 vs2022。
2. vs2022 安装OnnxRuntime。 如何用visual studio 2019配置OnnxRuntime
3. vs2022 添加库的方法。 C++ 包含目录、库目录、附加依赖项详解
   onnx 模型参考。 模型
4. 国内下载opencv 包的方法。 opencv
5. win10 配置 opencv 方法。方法1，方法2.
6. 参考代码

#if 1#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
class U2NetModel
{
public:U2NetModel(const wchar_t* onnx_model_path);std::vector<float> predict(std::vector<float>& input_data, int batch_size = 1, int index = 0);cv::Mat predict(cv::Mat& input_tensor, int batch_size = 1, int index = 0);
private:Ort::Env env;Ort::Session session;Ort::AllocatorWithDefaultOptions allocator;std::vector<const char*>input_node_names;std::vector<const char*>output_node_names;std::vector<int64_t> input_node_dims;std::vector<int64_t> output_node_dims;
};
U2NetModel::U2NetModel(const wchar_t* onnx_model_path) :session(nullptr), env(nullptr)
{//初始化环境，每个进程一个环境,环境保留了线程池和其他状态信息this->env = Ort::Env(ORT_LOGGING_LEVEL_WARNING, "u2net");//初始化Session选项Ort::SessionOptions session_options;session_options.SetInterOpNumThreads(4);session_options.SetGraphOptimizationLevel(GraphOptimizationLevel::ORT_ENABLE_ALL);// 创建Session并把模型加载到内存中this->session = Ort::Session(env, onnx_model_path, session_options);//输入输出节点数量和名称size_t num_input_nodes = session.GetInputCount();size_t num_output_nodes = session.GetOutputCount();for (int i = 0; i < num_input_nodes; i++){auto input_node_name = session.GetInputName(i, allocator);this->input_node_names.push_back(input_node_name);Ort::TypeInfo type_info = session.GetInputTypeInfo(i);auto tensor_info = type_info.GetTensorTypeAndShapeInfo();ONNXTensorElementDataType type = tensor_info.GetElementType();this->input_node_dims = tensor_info.GetShape();}for (int i = 0; i < num_output_nodes; i++){auto output_node_name = session.GetOutputName(i, allocator);this->output_node_names.push_back(output_node_name);Ort::TypeInfo type_info = session.GetOutputTypeInfo(i);auto tensor_info = type_info.GetTensorTypeAndShapeInfo();this->output_node_dims = tensor_info.GetShape();}
}
std::vector<float> U2NetModel::predict(std::vector<float>& input_tensor_values, int batch_size, int index)
{this->input_node_dims[0] = batch_size;this->output_node_dims[0] = batch_size;float* floatarr = nullptr;try{std::vector<const char*>output_node_names;if (index != -1){output_node_names = { this->output_node_names[index] };}else{output_node_names = this->output_node_names;}this->input_node_dims[0] = batch_size;auto input_tensor_size = input_tensor_values.size();auto memory_info = Ort::MemoryInfo::CreateCpu(OrtArenaAllocator, OrtMemTypeDefault);Ort::Value input_tensor = Ort::Value::CreateTensor<float>(memory_info, input_tensor_values.data(), input_tensor_size, input_node_dims.data(), 4);auto output_tensors = session.Run(Ort::RunOptions{ nullptr }, input_node_names.data(), &input_tensor, 1, output_node_names.data(), 1);assert(output_tensors.size() == 1 && output_tensors.front().IsTensor());floatarr = output_tensors.front().GetTensorMutableData<float>();}catch (Ort::Exception& e){throw e;}int64_t output_tensor_size = 1;for (auto& it : this->output_node_dims){output_tensor_size *= it;}std::vector<float>results(output_tensor_size);for (unsigned i = 0; i < output_tensor_size; i++){results[i] = floatarr[i];}return results;
}
cv::Mat U2NetModel::predict(cv::Mat& input_tensor, int batch_size, int index)
{int input_tensor_size = input_tensor.cols * input_tensor.rows * 3;std::size_t counter = 0;//std::vector空间一次性分配完成，避免过多的数据copystd::vector<float>input_data(input_tensor_size);std::vector<float>output_data;try{for (unsigned k = 0; k < 3; k++){for (unsigned i = 0; i < input_tensor.rows; i++){for (unsigned j = 0; j < input_tensor.cols; j++){input_data[counter++] = static_cast<float>(input_tensor.at<cv::Vec3b>(i, j)[k]) / 255.0;}}}}catch (cv::Exception& e){printf(e.what());}try{output_data = this->predict(input_data);}catch (Ort::Exception& e){throw e;}cv::Mat output_tensor(output_data);output_tensor = 255.0 - output_tensor.reshape(1, { 512,512 }) * 255.0;cv::threshold(output_tensor, output_tensor, 220, 255, cv::THRESH_BINARY_INV);return output_tensor;
}
int main(int argc, char* argv[])
{const wchar_t* model_path = L"D:/vs/onx/u2net_portrait.onnx";U2NetModel model(model_path);cv::Mat image = cv::imread("D:/vs/onx/2007_000033.jpg");cv::resize(image, image, { 512, 512 }, 0.0, 0.0, cv::INTER_CUBIC);//调整大小到320*320cv::imshow("image", image);                                     //打印原图片cv::cvtColor(image, image, cv::COLOR_BGR2RGB);                  //BRG格式转化为RGB格式auto result = model.predict(image);                               //模型预测cv::imshow("result", result);                                   //打印结果cv::waitKey(0);
}#endif

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！