跳到主要内容

图像分类-ResNet18

本示例演示如何使用hbm_runtime的python接口部署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/pydev_demo/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

  • 模型下载地址（程序自动下载）：

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

功能说明​

  • 模型加载

    使用 hbm_runtime 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 .run() 方法完成模型前向推理，支持可选调度参数（优先级、核心绑定）。

  • 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​

本样例无特殊环境需求，只需确保安装了pydev中的环境依赖即可。

pip install -r ../../requirements.txt

目录结构​

.
├── resnet18.py                 # 主程序，使用 `hbm_runtime` 调用 ResNet18 进行分类
└── README.md                   # 使用说明

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-file类别标签映射文件路径/app/res/labels/imagenet1000_clsidx_to_labels.txt
--priority模型优先级（0~255，越大优先级越高）0
--bpu-cores推理使用的 BPU 核心编号列表（如 --bpu-cores 0 1）[0]

快速运行​

  • 运行模型

    • 使用默认参数 
      python resnet18.py
    • 指定参数运行 
      python resnet18.py \
      --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

  • 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​

  • 若指定模型路径不存在，程序将尝试自动下载模型。
最后于 更新