Skip to main content

图像分类-ResNet18

本示例演示如何使用C/C++部署ResNet18模型进行图像分类推理，适用于搭载BPU芯片的 RDK S100 设备，本示例代码位于/app/cdev_demo/bpu/01_classification_sample/01_resnet18/目录下。

模型说明​

  • 简介：

    ResNet（Residual Network）是由微软研究院提出的一种深层卷积神经网络架构，其核心思想是引入“残差连接（Residual Connection）”，通过跨层的快捷连接缓解了深层网络中的梯度消失问题，从而能有效训练数十甚至上百层的深度网络。本示例采用的 ResNet18 是其中的一种较轻量级变种，具有 18 层结构，广泛应用于图像分类、特征提取等任务。

  • HBM模型名称：resnet18_224x224_nv12.hbm

  • 输入格式：NV12，大小为 224x224

  • 输出：1000 类别的 softmax 概率分布

功能说明​

  • 模型加载

    加载指定模型，解析输入输出名称和形状，用于后续推理。

  • 输入预处理

    将 BGR 图像 resize 到 224x224, 转换为 NV12 格式（Y、UV 分离）。

  • 推理执行

    通过 .infer() 方法完成模型前向推理。

  • 结果后处理

    读取输出 tensor，解析 top-K 分类结果（Top-5），显示类别标签和概率值。

环境依赖​

在编译运行前，请确保安装以下依赖：

sudo apt update
sudo apt install libgflags-dev

目录结构​

.
|-- CMakeLists.txt         # CMake 构建脚本
|-- README.md              # 工程说明文档
|-- inc/                   # 头文件目录
|   `-- resnet18.hpp       # ResNet18 模型推理类定义
`-- src/                   # 源代码目录
    |-- main.cc            # 程序入口，调用 ResNet18 推理流程
    `-- resnet18.cc        # ResNet18 推理类实现

编译工程​

  • 配置与编译 
    mkdir build && cd build
    cmake ..
    make -j$(nproc)

模型下载​

若在程序运行时未找到模型，可通过下列命令下载

wget https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_s100/ResNet/resnet18_224x224_nv12.hbm

参数说明​

参数说明默认值
--model_path模型文件路径（.hbm 格式）/opt/hobot/model/s100/basic/resnet18_224x224_nv12.hbm
--test_img测试图片路径/app/res/assets/zebra_cls.jpg
--label_fileImageNet 类别映射（dict，每行 index\tlabel）/app/res/labels/imagenet1000_clsidx_to_labels.txt
--top_k输出 Top-K 分类结果数5

快速运行​

  • 运行模型

    • 确保在build目录中
    • 使用默认参数 
      ./resnet_18
    • 指定参数运行 
      ./resnet_18 \
      --model_path /opt/hobot/model/s100/basic/resnet18_224x224_nv12.hbm \
      --test_img   /app/res/assets/zebra_cls.jpg \
      --label_file /app/res/labels/imagenet1000_clsidx_to_labels.txt \
      --top_k 5

  • 查看结果

    Top-5 Predictions:
    zebra: 0.9979
    impala, Aepyceros melampus: 0.0005
    cheetah, chetah, Acinonyx jubatus: 0.0005
    gazelle: 0.0004
    prairie chicken, prairie grouse, prairie fowl: 0.0002

注意事项​

  • 输出结果显示 top-K 概率最高的类别。

  • 如需了解更多部署方式或模型支持情况，请参考官方文档或联系平台技术支持。

Last updated on