中文|English

MaskRCNN TensorFlow离线推理

此链接提供MaskRCNN TensorFlow模型在NPU上离线推理的脚本和方法

注意

此案例仅为您学习Ascend软件栈提供参考，不用于商业目的。

在开始之前，请注意以下适配条件。如果不匹配，可能导致运行失败。

快速指南

1. 拷贝代码

git clone https://gitee.com/ascend/ModelZoo-TensorFlow.git
cd Modelzoo-TensorFlow/ACL/Official/cv/MaskRCNN_for_ACL

2. 下载数据集和预处理

1. 访问“datapreprocess”目录
2. 下载并生成TFRecords数据集，COCO 2017.

   bash download_and_preprocess_mscoco.sh <data_dir_path>

注意：数据将被下载，预处理为tfrecords格式，并保存在<Data_dir_path>目录中（主机上）。如果您已经下载并创建了TFRecord文件（根据tensorflow的官方tpu脚本生成的TFRecord），请跳过此步骤。 如果您已经下载了COCO镜像，请运行以下命令将其转换为TFRecord格式

     python3 object_detection/dataset_tools/create_coco_tf_record.py --include_masks=True --val_image_dir=/your/val_tfrecord_file/path --val_annotations_file=/your/val_annotations_file/path/instances_val2017.json --output_dir=/your/tfrecord_file/out/path

2. 将数据集转成bin文件

   python3 data_2_bin.py --validation_file_pattern /your/val_tfrecord_file/path/val_file_prefix* --binfilepath /your/bin_file_out_path 

4. 创建两个数据集文件夹，一个是用于“image_info”和“images”文件的your_data_path，另一个是“source_ids”文件的your_datasourceid_path。将bin文件移动到正确的目录；
5. 将“instances_val2017.json”复制到MaskRCNN_for_ACL/scripts目录下；

3. 离线推理

Pb模型转换为om模型

• 访问 "MaskRCNN_for_ACL" 文件夹

• configure the env

  Please follow the guide to set the envs

• Pb模型转换为om模型

  atc --model=/your/pb/path/your_maskpb_name.pb --framework=3  --output=your_maskom_name --output_type=FP32 --soc_version=Ascend310P3 --input_shape="image:1,1024,1024,3;image_info:1,5" --keep_dtype=./keeptype.cfg  --precision_mode=force_fp16  --out_nodes="generate_detections/combined_non_max_suppression/CombinedNonMaxSuppression:3;generate_detections/denormalize_box/concat:0;generate_detections/add:0;generate_detections/combined_non_max_suppression/CombinedNonMaxSuppression:1"
  

注意: 替换模型、输出、环境变量的参数

• 编译程序

  bash build.sh
  

• Run the program:

  cd scripts
  ./benchmark_tf.sh --batchSize=1 --modelType=maskrcnn  --outputType=fp32  --deviceId=0 --modelPath=/your/maskom/path/your_maskom_name.om --dataPath=/your/data/path --innum=2 --suffix1=image_info.bin --suffix2=images.bin --imgType=raw  --sourceidpath=/your/datasourceid/path
  

注意：替换modelPath、dataPath和sourceidpath的参数。使用绝对路径。

精度

结果

本结果是通过运行上面适配的推理脚本获得的。要获得相同的结果，请按照《快速指南》中的步骤操作。

推理精度结果