手把手教你移动端AI应用开发(三)——部署环节关键代码最详解读

原创
08/30 13:26
阅读数 236

AI应用的核心包括以下两大块:如何开发一个模型、以及如何将模型部署到项目进行应用。

现在有许多关于AI的教程,比如如何进行目标检测、图像分类、NLP以及构建聊天机器人等,反复强调相同的几点:

  1. 首先,使用像飞桨这样的深度学习平台开发模型。

  2. 然后,将模型打包到网页Paddle.js、移动端Paddle Lite、单机Paddle Inference、或者服务器Paddle Servering。

如何开发一个模型,无论是学术论文还是工业实践,相关的详细讲解随处可见;而如何实现第二点的细节,相关的讲解却很少。

本文将为大家详细解读将模型集成到移动端应用的核心代码。其他部署详解后续会陆续推出,敬请期待哦!

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

集成流程

对所有模型来说,将模型集成到移动端应用的流程是相同的:

集成流程分两大阶段:

  1. 模型训练阶段:主要解决模型训练,利用标注数据训练出对应的模型文件。面向端侧进行模型设计时,需要考虑模型大小和计算量。

  2. 模型部署阶段:

    • 模型转换:如果是Caffe, TensorFlow或ONNX平台训练的模型,需要使用X2Paddle工具将模型转换到飞桨的格式。本次使用的ocr模型是使用Paddle平台训练的模型,因此不需要进行转换。

    • (可选)模型压缩:主要优化模型大小,借助PaddleSlim提供的剪枝、量化等手段降低模型大小,以便在端上使用。

    • 将模型部署到Paddle Lite

    • 在终端上通过调用Paddle Lite提供的API接口(C++、Java、Python等API接口),完成推理相关的计算。

 

具体实现方法

移动端的AI应用开发具体实现,包含以下操作:

  1. 生成和优化模型。先经过模型训练得到Paddle模型,该模型不能直接用于Paddle Lite部署,需先通过Paddle Lite的opt离线优化工具优化,然后得到Paddle Lite nb模型。如果是Caffe, TensorFlow或ONNX平台训练的模型,需要使用X2Paddle工具将模型转换到Paddle模型格式,再使用opt优化。X2Paddle使用方法:

    https://paddle-lite.readthedocs.io/zh/latest/user_guides/x2paddle.html
    opt工具使用方法:

    https://paddle-lite.readthedocs.io/zh/latest/user_guides/model_optimize_tool.html

  2. 获取Paddle Lite推理库。Paddle Lite新版本发布时已提供预编译库,因此无需进行手动编译,直接下载编译好的推理库文件即可。

  3. 构建推理程序。使用前续步骤中编译出来的推理库、优化后模型文件,首先经过模型初始化,配置模型位置、线程数等参数,然后进行图像预处理,如图形转换、归一化等处理,处理好以后就可以将数据输入到模型中执行推理计算,并获得推理结果。

 

Paddle Lite预测库

Paddle Lite库可以通过飞桨下载,链接:

https://paddle-lite.readthedocs.io/zh/latest/user_guides/release_lib.html。

模型文件

模型文件assets包含了两个深度学习模型,图片作为输入,同时将模型导入Paddle Lite中,输出即为检测的结果,模型的作用如下:

1. ch_det_mv3_db_opt.nb:文字检测的模型,输入为图像,输出为文字的区域坐标

2. ch_rec_mv3_crnn_opt.nb:文字识别的模型,输入的文字检测的结果,输出为文字识别结果

OCR的过程其实是两个模型的串行工作过程,将文字检测模型的输出结果作为文字识别模型的输入,最后输出最终的结果。

这两个模型,可以通过PaddleOCR github下载:

优化前的模型下载链接:

https://github.com/PaddlePaddle/PaddleOCR/blob/develop/README_cn.md#%E4%B8%AD%E6%96%87ocr%E6%A8%A1%E5%9E%8B%E5%88%97%E8%A1%A8

opt优化后的模型链接:

https://github.com/PaddlePaddle/PaddleOCR/blob/develop/deploy/lite/readme.md#21-%E6%A8%A1%E5%9E%8B%E4%BC%98%E5%8C%96

推理程序代码解读

推理程序代码目录结构:

|-app # 程序module的主目录
|-build # app模块编译输出的文件(包括最终生成的apk)
|-libs # 依赖库
|-OpenCV # OpenCV库
|-PaddleLite # PaddleLite库,用于调用模型进行推理预测
|-src # app应用的源代码目录
    |-src/main/assets # 模型文件、测试图片
    |-src/main/cpp # (C++源代码方式)C++ 程序代码目录
    |-src/main/java # java程序代码目录
    |-src/main/jniLibs # (so方式)与cpp 目录的操作二选一
    |-src/main/res #存放app中显示的图形、文本、声音等一些资源文件
    |-src/main/res/drawable # 各种位图文件(.png、.jpg等)和drawable类型的XML文件
    |-src/main/res/ # 布局文件
    |-src/main/AndroidManifest.xml # 项目的清单文件(名称、版本、SDK、权限等配置信息)
|-build.gradle # 项目的gradle编译文件

其中,src是主要源代码目录,下文详细逐一介绍。

01 C++ 程序代码目录(JNI调用C++自定义类)

C++(cpp)程序代码是移动端app的核心算法代码。C++程序代码的作用:向下调用OpenCV库和Paddle Lite库中的函数,来实现模型的推理预测功能(底层实现);向上提供接口给上层的功能应用层的java程序调用。

C++代码目录如下:

|-app/src/main/cpp
    |-CMakeLists.txt # 重新编译C++的源代码和库,生成能被本项目中的C++的程序所使用的库
    |- common.h  # 常量定义和日志函数
    |- native.cpp # 和java层交互的c++函数
    |- native.h # jni的封装函数
    |- ocr_clipper.cpp  # 检测模型DB后处理用到的第三方库
    |- ocr_clipper.hpp 
    |- ocr_crnn_process.cpp # 识别模型CRNN预处理函数, 获取OpenCV的Mat图片后再放到preprocess做DB模型的预处理
    |- ocr_crnn_process.h
    |- ocr_db_post_process.cpp #检测模型DB后处理函数
    |- ocr_db_post_process.h
    |- ocr_predictor.cpp # OCR 模型预测函数
    |- ocr_predictor.h
    |- ppredictor.cpp #  准备模型预测所需要的初始化,加载模型,从网络结果中获取输出等步骤
    |- ppredictor.h
    |- predictor_input.cpp # 输入数据
    |- predictor_input.h  
    |- predictor_output.cpp # 获取预测结果的输出结果信息
    |- predictor_output.h
    |- preprocess.cpp # 图片预处理函数,用于检测模型DB
    |- preprocess.h

具体推理步骤如下所示:

1. 检测预处理

2. 检测模型预测-> 得到预测结果-> 检测后处理-> 获得检测的文本框

3. 根据检测文本框,从原图中把检测到的文本行剪切出来;

4. 将每个剪切出来的文本行,输入给识别网络预处理

5. 识别网络预处理后,输入给识别网络预测

6. 识别网络预测结果解析得到预测文本

代码包括四个部分:

1. 检测模型预处理,后处理;

|- preprocess.cpp         识别模型CRNN预处理函数
|- preprocess.h
|- ocr_db_post_process.cpp   检测模型DB后处理函数
|- ocr_db_post_process.h

2. 识别模型预处理

|- ocr_crnn_process.cpp     识别模型CRNN模型的预处理,结果是OpenCv的Mat,然后再放到preprocess.cpp做图片的预处理
|- ocr_crnn_process.h

3. 模型预测

|- ocr_predictor.cpp        OCR 模型预测函数
|- ocr_predictor.h

4. 模型预测准备,包括模型初始化,给输入数据分配内存等。

|- ppredictor.cpp           准备模型预测所需要的初始化,加载模型,从网络结果中获取输出等步骤
|- ppredictor.h
|- predictor_input.cpp    输入数据分配内存
|- predictor_input.h
|- predictor_output.cpp   获取预测结果的输出结果信息
|- predictor_output.h

其中,模型ch_det_mv3_db_opt.nb

  1. 预处理在Predictor.java中完成

  2. 推理在ocr_ppredictor.cpp中的_det_predictor

  3. 后处理在ocr_db_post_process.cpp里

模型ch_rec_mv3_crnn_opt.nb

  1. 根据ocr_db_post_process.cpp结果,在ocr_crnn_process抠出多张含有文字的小图

  2. 对每张小图进行预处理,在preprocess.cpp里完成

  3. 对每张小图进行推理在ocr_ppredictor.cpp中的_rec_predictor。

  4. 所有小图的结果,序列化成float,传输到java层

  5. 在OCRPredictorNative.java 解析成最终结果

核心预测代码:

https://github.com/PaddlePaddle/PaddleOCR/blob/7b201a385547152a015c27dc3d17e9c3ae12a5fb/deploy/android_demo/app/src/main/cpp/ocr_ppredictor.cpp#L67

std::vector<OCRPredictResult>
OCR_PPredictor::infer_ocr(const std::vector<int64_t> &dims, const float *input_data, int input_len,
                          int net_flag, cv::Mat &origin) {
    // _det_predictor:检测预测网络
    // 获取输出数据,并转换为网络预测支持的数据格式;
    PredictorInput input = _det_predictor->get_first_input();
    input.set_dims(dims);
    input.set_data(input_data, input_len);
    // 执行预测,得到检测网络预测的文本框
    std::vector<PredictorOutput> results = _det_predictor->infer();
    PredictorOutput &res = results.at(0);
    // 对文本框做简单的过滤
    std::vector<std::vector<std::vector<int>>> filtered_box
        = calc_filtered_boxes(res.get_float_data(), res.get_size(), (int) dims[2], (int) dims[3],
                              origin);
    LOGI("Filter_box size %ld", filtered_box.size());
    // 执行识别模型预测,并直接返回识别模型预测结果
    return infer_rec(filtered_box, origin);
}

std::vector<OCRPredictResult>
OCR_PPredictor::infer_rec(const std::vector<std::vector<std::vector<int>>> &boxes,
                          const cv::Mat &origin_img) {
    //识别模型预处理参数
    std::vector<float> mean = {0.5f, 0.5f, 0.5f};
    std::vector<float> scale = {1 / 0.5f, 1 / 0.5f, 1 / 0.5f};
    std::vector<int64_t> dims = {1300};
    std::vector<OCRPredictResult> ocr_results;

    PredictorInput input = _rec_predictor->get_first_input();
    // 通过for训练,每次读取检测模型预测的检测框
    for (auto bp = boxes.crbegin(); bp != boxes.crend(); ++bp) {
        const std::vector<std::vector<int>> &box = *bp;
        // 根据检测框将检测到的文本行剪切出来
        cv::Mat crop_img = get_rotate_crop_image(origin_img, box);
        float wh_ratio = float(crop_img.cols) / float(crop_img.rows);
        // 识别模型预处理
        cv::Mat input_image = crnn_resize_img(crop_img, wh_ratio);
        input_image.convertTo(input_image, CV_32FC3, 1 / 255.0f);
        const float *dimg = reinterpret_cast<const float *>(input_image.data);
        int input_size = input_image.rows * input_image.cols;

        dims[2] = input_image.rows;
        dims[3] = input_image.cols;
        input.set_dims(dims);

        neon_mean_scale(dimg, input.get_mutable_float_data(), input_size, mean, scale);
        // 执行识别模型预测
        std::vector<PredictorOutput> results = _rec_predictor->infer();

        OCRPredictResult res;
        // 解析识别模型预测结果,得到预测的字的索引
        res.word_index = postprocess_rec_word_index(results.at(0));
        if (res.word_index.empty()) {
            continue;
        }
        // 计算预测的文本行的置信度
        res.score = postprocess_rec_score(results.at(1));
        res.points = box;
        ocr_results.emplace_back(std::move(res));
    }
    LOGI("ocr_results finished %lu", ocr_results.size());
    // 返回识别结果
    return ocr_results;
}

02

java程序代码目录

Java程序属于上层功能应用的开发,主要工作是调用函数的接口:

  • 读取相册中的图像

  • 创建Paddle Lite的预测对象Predictor

  • 将模型文件和图像送入Predictor中进行推理预测

  • 预测的结果送入OcrResultModel中,在输出的图像上绘制预测结果,并在APP上显示

修改MiniActivity.java中的代码:predictor.init( ):Predictor的初始化,配置一些预测的参数(输入的尺寸、模型的路径等);predictor.process( ):进行推理预测。

MiniActivity是入口的java文件,相当于是APP的主函数、程序入口,其他.java文件被它调用activity_mini.xml是MiniActivity对应的UI布局,是APP控件开发,定义了APP的各个控件的布局

本项目增加了三个控件:(控件在.java文件中的调用通过其ID,类似于变量名)。

03 jniLibs(so方式集成C++代码)

 

C++的文件,最终都会编译成so文件,然后同java编译dex文件,一起打包成apk文件。

我们也可以直接使用apk文件里编译好的so文件。

示例中的方式是从官方demo的apk文件里提取的so文件。

 

04 build.gradle

app目录下的build.gradle文件用来配置对应的APP。需要设置compileSdkVersion和targetSdkVersion的版本与前面软件中配置的SDK相同。同时,添加abiFilters 'armeabi-v7a', 'arm64-v8a'指定编译的平台,如果不指定就会默认编译出所有平台的目标文件,而我们的库只支持了arm-v7和arm-v8,运行时可能会报错。

根目录也就是Project下的build.gradle文件用来配置整个Project,本次项目不需要修改。

补充说明

1. 橙色的文件夹都是build编译生成的目标文件(不用手动编辑)

2. libs是存放静态库或者动态库(不用修改)

3. src/main/里的java和cpp文件夹存放app运行的源代码,包括Java和C++的代码(上层的应用开发使用Java,底层的具体实现使用C++,此项目中两者都要开发)。

4. OpenCV库可以通过OpenCV官网下载,链接:https://opencv.org/releases/,本次用的是4.2 android。

亲自实践一把!

看到这里,是不是觉得开发一个移动端AI应用也没那么难呢?飞桨提供了很多的开源模型,有兴趣的朋友可以参考本教程,发挥自己的想象力,开发更多有趣、有意义的应用哈。

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
在线直播报名
返回顶部
顶部