實(shí)踐教程 | 詳細(xì)記錄insightface的SCRFD人臉檢測ncnn實(shí)現(xiàn)

0x0 SCRFD 人臉檢測

SCRFD 是高效率高精度人臉檢測算法，2021年5月剛發(fā)出來的，速度和精度相比其他算法都有提升！

deepinsight / insightface地址：https://github.com/deepinsight/insightface/tree/master/detection/scrfd

Sample and Computation Redistribution for Efficient Face Detection地址：https://arxiv.org/abs/2105.04714

總所周知，insightface 是業(yè)界名氣響當(dāng)當(dāng)?shù)娜四標(biāo)惴ㄩ_源項(xiàng)目，也是 mxnet 框架茍到今日的重要原因。

現(xiàn)在，pytorch 大法好！

0x1 緣由

那天下午，insightface 作者 過客 大佬小窗敲了我

SCRFD 是用 pytorch + mmdet 做的，看看 github 上好像也缺一個 mmdet 部署 ncnn 的項(xiàng)目

這里就用 SCRFD 作為例子，介紹下如何轉(zhuǎn)換模型，后處理實(shí)現(xiàn)細(xì)節(jié)，android 和 web 端移植

0x2 配環(huán)境

系統(tǒng)是 fedora 34，gcc 11.1.1，python 3.9，nvidia-driver 465.27，cuda 11.3

安裝 pytorch torchvision onnx-simplifier

pip?install?-U?torch?--user
pip?install?-U?torchvision?--user
pip?install?-U?onnx-simplifier?--user

安裝 thrust

git?clone?https://github.com/NVIDIA/thrust.git
cd?thrust
git?submodule?update?--init?--recursive
mkdir?build
cd?build
cmake?-DTHRUST_ENABLE_HEADER_TESTING=OFF?-DTHRUST_ENABLE_TESTING=OFF?-DTHRUST_ENABLE_EXAMPLES=OFF?..
make?-j8
sudo?make?install

我的 fedora 系統(tǒng)得改 /usr/share/cmake/Modules/CMakeDetermineCUDACompiler.cmake 注釋190行 FATAL_ERROR 才可正常編譯

安裝 mmcv

export?MMCV_CUDA_ARGS='-ccbin=/usr/bin/cuda-gcc'
pip?install?mmcv-full?--user

我的 fedora 系統(tǒng)得改 /home/nihui/.local/lib/python3.9/site-packages/torch/utils/cpp_extension.py include_paths 附加 /usr/include/cuda 才可正常編譯

安裝依賴和 mmdet

按照 SCRFD README 步驟進(jìn)行即可

git?clone?https://github.com/deepinsight/insightface.git
cd?insightface/detection/scrfd
pip?install?-r?requirements/build.txt?--user
pip?install?-v?-e?.?--user

0x3 轉(zhuǎn)模型

下載 pth模型

下載 pretrained 模型 SCRFD_500M

deepinsight/insightface：https://github.com/deepinsight/insightface/tree/master/detection/scrfd%23pretrained-models

pytorch 測試模型

python?demo/image_demo.py?nihui.jpg?configs/scrfd/scrfd_500m.py?model.pth

成功啦

導(dǎo)出 onnx

python?tools/scrfd2onnx.py?configs/scrfd/scrfd_500m.py?model.pth?--shape?640?640?--input-img?nihui.jpg

使用固定 shape 輸入可以更好的清除 onnx 膠水op，也不影響后續(xù) ncnn 的動態(tài) shape 輸入推理，因此推薦總是使用固定 shape 導(dǎo)出 onnx

onnx 文件會被存放在 onnx/scrfd_500m_shape640x640.onnx

onnx 轉(zhuǎn) ncnn

onnx2ncnn?scrfd_500m_shape640x640.onnx?scrfd_500m.param?scrfd_500m.bin
ncnnoptimize?scrfd_500m.param?scrfd_500m.bin?scrfd_500m-opt.param?scrfd_500m-opt.bin?1

沒有任何報(bào)錯，groupnorm 也能正常轉(zhuǎn)換出來

手改 param，支持動態(tài) shape 推理

Interp 固定參數(shù)改為按系數(shù)放大

手改 param，head 輸出部分修復(fù)

檢測模型中，經(jīng)?？吹阶詈筝敵鰰?transpose reshape 這樣的組合，對輸出數(shù)據(jù)做重排

實(shí)際可以不做重排，節(jié)省重排的時間，直接對原本的數(shù)據(jù)布局做后處理，關(guān)注數(shù)據(jù)布局的物理意義

• score 的 shape channel 為 2，即 2種 anchor ratio * 1個 prob人臉分類置信度
• bbox 的 shape channel 為 8，即 2種 anchor ratio * 4個 bbox偏移
• kps 的 shape channel 為 20，即 2種 anchor ratio * 5個 xy點(diǎn)坐標(biāo)偏移
• score bbox kps 的 shape width height，即 xy 就是當(dāng)前圖片里對應(yīng)的 anchor grid xy 下標(biāo)

Permute
Reshape
Reshape

替換為 Noop

Noop
Noop
Noop

改完后再執(zhí)行一遍 ncnnoptimize，能自動清除 Noop

ncnnoptimize?scrfd_500m-opt.param?scrfd_500m-opt.bin?scrfd_500m-opt2.param?scrfd_500m-opt2.bin?1

0x4 實(shí)現(xiàn) SCRFD

實(shí)現(xiàn)動態(tài)輸入

SCRFD 的超參數(shù)都在 insightface/detection/scrfd/configs/scrfd/scrfd_500m.py 文件里

看 anchor_generator 設(shè)置可以得知，anchor 最小為 16x16，最大為 512x512，因此將圖片縮放到長邊為 640 是合理的

anchor stride 最大為 32，因此將輸入圖片的長寬補(bǔ)到 32 倍數(shù)是合理的

預(yù)處理的 mean norm 值可從 transforms 設(shè)置中獲得

實(shí)現(xiàn)后處理

后處理實(shí)現(xiàn)的時候，以之前 retinaface.cpp 代碼做模板，針對 mmdet SCRFD 的配置做些修改

1. anchor 的 center 起始值改為 (0,0)，這是 mmdet 默認(rèn)配置，參考 insightface/detection/scrfd/mmdet/core/anchor/anchor_generator.py
2. bbox 和關(guān)鍵點(diǎn)的計(jì)算，retinaface 的計(jì)算類似 mmdet 的 delta_xywh_bbox_coder，SCRFD 的計(jì)算方式是 anchor_center + x * stride，參考 insightface/detection/scrfd/mmdet/models/dense_heads/scrfd_head.py_get_bboxes_single() 函數(shù)

https://github.com/Tencent/ncnn/blob/master/examples/scrfd.cppgithub.com/Tencent/ncnn/blob/master/examples/scrfd.cpp

0x5 實(shí)現(xiàn) android 攝像頭實(shí)時檢測

1. 基于模板工程

nihui/ncnn-android-nanodet：https://github.com/nihui/ncnn-android-nanodet

全局字符串替換 nanodet 為 scrfd

1. 修改 app/src/main/jni/scrfdncnn.cpp 中的 void MyNdkCamera::on_image_render(cv::Mat& rgb) const 實(shí)現(xiàn)，替換為調(diào)用 scrfd 檢測
2. scrfd.cpp 直接從 examples/scrfd.cpp 拿來，封裝為類，ncnn::Mat::from_pixels_resize 的 pixel 類型從 PIXEL_BGR2RGB 改為 PIXEL_RGB
3. 把 scrfd 的全部模型都轉(zhuǎn)出來，手改 param 統(tǒng)一了輸出層的 blob 名字為 bbox_8 bbox_16 bbox_32 這樣子，放在 assets 文件夾里
4. app/src/main/jni/scrfdncnn.cpp 和 app/src/main/res/values/strings.xml 文件里增加各個模型的名字

nihui/ncnn-android-scrfd：https://github.com/nihui/ncnn-android-scrfd

外網(wǎng)android apk安裝包下載：

https://github.com/nihui/ncnn-android-scrfd/releases/download/v1/com.tencent.scrfdncnn-release.apk

有關(guān)鍵點(diǎn)的2.5g模型在手機(jī)上可以實(shí)時檢測

0x6 實(shí)現(xiàn) web 攝像頭實(shí)時檢測

1. 基于模板工程

nihui/ncnn-webassembly-nanodet：https://github.com/nihui/ncnn-webassembly-nanodet

全局字符串替換 nanodet 為 scrfd

1. 修改 scrfdncnn.cpp 中的 static void on_image_render(cv::Mat& rgba) 實(shí)現(xiàn)，替換為調(diào)用 scrfd 檢測
2. scrfd.cpp 直接從 examples/scrfd.cpp 拿來，封裝為類，ncnn::Mat::from_pixels_resize 的 pixel 類型從 PIXEL_BGR2RGB 改為 PIXEL_RGBA2RGB
3. 把 scrfd_500m 模型放在 assets 文件夾里

https://nihui/ncnn-webassembly-scrfd

外網(wǎng)直接體驗(yàn)網(wǎng)址：

https://nihui.github.io/ncnn-webassembly-scrfd

i5-8250U 筆記本電腦 firefox 瀏覽器里 web 實(shí)時檢測

0x7 總結(jié)

1. 最耗費(fèi)精力的是實(shí)現(xiàn)后處理，因?yàn)檫@需要一些 mmdet 和算法本身的知識，這也許是不懂算法不會訓(xùn)模型的算法優(yōu)化工程師唯一的門檻
2. android 和 web 端都準(zhǔn)備好了模板工程，以及很方便的 on_image_render 接口，配備了 opencv 和 ncnn 預(yù)編譯庫，從 linux cpp 移植輕松許多
3. web 端檢測兼容任意pc和手機(jī)瀏覽器，包括qq/微信內(nèi)置的webview，chrome體驗(yàn)最佳
4. ncnn 的主頁 readme 有 qq 群，歡迎加入。

如果覺得有用，就請分享到朋友圈吧！