譯者 | 李睿

審校 | 重樓

本文首先概述典型的計(jì)算機(jī)視覺應(yīng)用程序的要求。然后，介紹Pipeless這一為嵌入式計(jì)算機(jī)視覺提供無服務(wù)器開發(fā)體驗(yàn)的開源框架。最后，提供一個詳細(xì)的步驟指南，介紹如何創(chuàng)建和執(zhí)行一個簡單的對象檢測應(yīng)用程序，該應(yīng)用程序只需采用幾個Python函數(shù)和一個模型進(jìn)行創(chuàng)建。

創(chuàng)建計(jì)算機(jī)視覺應(yīng)用程序

如果有人希望用一句話描述“計(jì)算機(jī)視覺”的話，那么給出回答是“通過攝像頭界面識別視覺事件并對其做出反應(yīng)的藝術(shù)?！钡@可能不是他想聽到的答案。因此，以下將深入了解計(jì)算機(jī)視覺應(yīng)用程序是如何構(gòu)建的，以及每個子系統(tǒng)需要實(shí)現(xiàn)的功能。

?真正快速的幀處理：如要實(shí)時處理60 fps的視頻流，只有16毫秒的時間來處理每幀。這在一定程度上是通過多線程和多處理進(jìn)程實(shí)現(xiàn)的。在許多情況下，希望在前一個幀完成之前開始處理一個幀。

?在每一幀上運(yùn)行推理并執(zhí)行對象檢測、分割、姿態(tài)估計(jì)等的人工智能模型：幸運(yùn)的是，有越來越多優(yōu)秀的開源模型，所以不必從頭開始創(chuàng)建自己的模型，通常只需微調(diào)模型的參數(shù)以匹配用例。

?推理運(yùn)行時間：推理運(yùn)行時間負(fù)責(zé)加載模型，并在不同的可用設(shè)備（GPU或CPU）上高效運(yùn)行。

?GPU：為了使模型足夠快地運(yùn)行推理，我們需要采用GPU。這是因?yàn)镚PU可以處理比CPU多幾個數(shù)量級的并行操作，而最低級別的模型只是大量的數(shù)學(xué)運(yùn)算。你需要處理幀所在的內(nèi)存。它們可以位于 GPU 內(nèi)存或 CPU 內(nèi)存 (RAM) 中，在這些內(nèi)存之間復(fù)制幀是一項(xiàng)非常繁重的操作，因?yàn)閹笮固幚硭俣茸兟?/span>

?多媒體管道：這些部件允許從數(shù)據(jù)源獲取視頻流，將它們分割成幀，將它們作為模型的輸入，有時修改和重建視頻流以轉(zhuǎn)發(fā)。

?視頻流管理：開發(fā)人員可能希望應(yīng)用程序能夠抵抗視頻流的中斷、重新連接、動態(tài)添加和刪除視頻流、同時處理多個視頻流，等等。

所有這些系統(tǒng)都需要創(chuàng)建或合并到項(xiàng)目中，因此，需要維護(hù)代碼。然而，面臨的問題是最終維護(hù)的大量代碼并非特定于應(yīng)用程序，而是圍繞實(shí)際案例特定代碼的子系統(tǒng)。

Pipeless框架

為了避免從頭開始構(gòu)建上述所有內(nèi)容，可以代用Pipeless框架。這是一個用于計(jì)算機(jī)視覺的開源框架，允許提供一些特定于案例的功能，并且能夠處理其他事物。

Pipeless框架將應(yīng)用程序的邏輯劃分為“階段”，其中的一個階段就像單個模型的微型應(yīng)用程序。一個階段可以包括預(yù)處理、使用預(yù)處理的輸入運(yùn)行推理，以及對模型輸出進(jìn)行后處理以采取行動。然后，可以鏈接盡可能多的階段，以組成完整的應(yīng)用程序，甚至使用多個模型。

為了提供每個階段的邏輯，只需添加一個特定于應(yīng)用程序的代碼函數(shù)，然后在需要時由Pipeless負(fù)責(zé)調(diào)用它。這就是可以將Pipeless視為一個框架的原因，它為嵌入式計(jì)算機(jī)視覺提供類似服務(wù)器的開發(fā)體驗(yàn)，并且提供了一些功能，不必?fù)?dān)心需要其他的子系統(tǒng)。

Pipeless的另一個重要特性是，可以通過CLI或REST API動態(tài)地添加、刪除和更新視頻流，從而實(shí)現(xiàn)視頻流處理的自動化。甚至可以指定重新啟動策略，指示何時應(yīng)該重新啟動視頻流的處理，是否應(yīng)該在出現(xiàn)錯誤后重新啟動，等等。

最后，部署Pipeless框架，只需要在任何設(shè)備上安裝它并與代碼函數(shù)一起運(yùn)行，無論是在云計(jì)算虛擬機(jī)或容器化模式中，還是直接在Nvidia Jetson、Raspberry等邊緣設(shè)備中。

創(chuàng)建對象檢測應(yīng)用程序

以下深入地了解如何使用Pipeless框架創(chuàng)建一個簡單的對象檢測應(yīng)用程序。

第一就是安裝。安裝腳本，使其安裝非常簡單：

Curl https://raw.githubusercontent.com/pipeless-ai/pipeless/main/install.sh | bash

現(xiàn)在，必須創(chuàng)建一個項(xiàng)目。Pipeless項(xiàng)目是一個包含階段的目錄。每個階段都在子目錄下，在每個子目錄中，創(chuàng)建包含hooks（特定的代碼函數(shù)）的文件。為每個階段文件夾提供的名稱是稍后要為視頻流運(yùn)行該階段時，必須向Pipeless框指示的階段名稱。

pipeless init my-project --template empty
cd my-project

在這里，空模板告訴CLI只創(chuàng)建目錄，如果不提供任何模板，CLI將提示幾個問題以交互式地創(chuàng)建階段。

如上所述，現(xiàn)在需要為項(xiàng)目添加一個階段。采用下面的命令從GitHub下載一個階段示例：

wget -O - https://github.com/pipeless-ai/pipeless/archive/main.tar.gz | 
  tar -xz --strip=2 "pipeless-main/examples/onnx-yolo"

這將創(chuàng)建一個階段目錄onnx-yolo，其中包含應(yīng)用程序函數(shù)。

然后，檢查每個階段文件的內(nèi)容，也就是應(yīng)用程序hooks。

這里有一個pre-process.py文件，它定義了一個接受一個框架和一個場景的函數(shù)(hooks)。該函數(shù)執(zhí)行一些操作來準(zhǔn)備接收RGB幀的輸入數(shù)據(jù)，以便與模型期望的格式匹配。該數(shù)據(jù)被添加到frame_data[' interence_input ']中，這是Pipeless將傳遞給模型的數(shù)據(jù)。

def hook(frame_data, context):
    frame = frame_data["original"].view()
    yolo_input_shape = (640, 640, 3) # h,w,c
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    frame = resize_rgb_frame(frame, yolo_input_shape)
    frame = cv2.normalize(frame, None, 0.0, 1.0, cv2.NORM_MINMAX)
    frame = np.transpose(frame, axes=(2,0,1)) # Convert to c,h,w
    inference_inputs = frame.astype("float32")
    frame_data['inference_input'] = inference_inputs
... (some other auxiliar functions that we call from the hook function)

還有process.json文件，它指示要使用的Pipeless推理運(yùn)行時間（在本例中為ONNX運(yùn)行時間），在哪里可以找到它應(yīng)該加載的模型，以及它的一些可選參數(shù)，例如要使用的execution_provider，即CPU、CUDA、TensortRT等。

{ 
    "runtime": "onnx",
    "model_uri": "https://pipeless-public.s3.eu-west-3.amazonaws.com/yolov8n.onnx",
    "inference_params": { 
        "execution_provider": "tensorrt" 
    }
}

最后，post-process.py文件定義了一個類似于pre-process.py中的函數(shù)。這一次，它接受Pipeless存儲在frame_data["inference_output"]中的推理輸出，并執(zhí)行將該輸出解析為邊界框的操作。稍后，它在框架上繪制邊界框，最后將修改后的框架分配給frame_data['modified']。這樣，Pipeless將轉(zhuǎn)發(fā)提供的視頻流，但帶有修改后的幀，其中包括邊界框。

def hook(frame_data, _):
    frame = frame_data['original']
    model_output = frame_data['inference_output']
    yolo_input_shape = (640, 640, 3) # h,w,c
    boxes, scores, class_ids = 
           parse_yolo_output(model_output, frame.shape, yolo_input_shape)
    class_labels = [yolo_classes[id] for id in class_ids]
    for i in range(len(boxes)):
        draw_bbox(frame, boxes[i], class_labels[i], scores[i])

    frame_data['modified'] = frame

... (some other auxiliar functions that we call from the hook function)

最后一步是啟動Pipeless并提供一個視頻流。要啟動Pipeless，只需在my-project目錄下運(yùn)行以下命令：

pipeless start --stages-dir .

一旦運(yùn)行，將提供來自網(wǎng)絡(luò)攝像頭(v4l2)的視頻流，并直接在屏幕上顯示輸出。需要注意的是，必須提供視頻流按順序執(zhí)行的階段列表。在這個例子中，它只是onnx-yolo階段：

pipeless add stream --input-uri "v4l2" --output-uri "screen" --frame-path "onnx-yolo"

結(jié)論

創(chuàng)建計(jì)算機(jī)視覺應(yīng)用程序是一項(xiàng)復(fù)雜的任務(wù)，因?yàn)橛性S多因素和必須圍繞它實(shí)現(xiàn)的子系統(tǒng)。使用像Pipeless這樣的框架，啟動和運(yùn)行只需要幾分鐘，可以專注于為特定用例編寫代碼。此外，Pipeless的“階段”是高度可重用的，易于維護(hù)，因此維護(hù)將會很容易，可以非?？焖俚氐?。

如果希望參與Pipeless的開發(fā)，可以通過它的GitHub存儲庫來實(shí)現(xiàn)。

原文標(biāo)題：Create a Complete Computer Vision App in Minutes With Just Two Python Functions，作者：Miguel Angel Cabrera

鏈接：https://dzone.com/articles/creating-a-complete-computer-vision-application-in