PyTorch分類モデルの変換とOpenCV Pythonでの実行

前のチュートリアル: カスタムOCRモデルの実行方法
次のチュートリアル: PyTorch分類モデルの変換とOpenCV C++での実行

原著者	Anastasia Murzova
互換性	OpenCV >= 4.5

目標

このチュートリアルでは、以下の方法を学ぶ:

• PyTorch分類モデルをONNX形式に変換する
• 変換したPyTorchモデルをOpenCV Python APIで実行する
• PyTorchモデルとOpenCV DNNモデルの評価を取得する。

上記の項目を ResNet-50 アーキテクチャの例を通して解説する。

はじめに

OpenCV APIを用いたPyTorchモデル移行のパイプラインに関わる主要な概念を簡単に見ていく。PyTorchモデルを cv.dnn.Net へ変換する最初のステップは、モデルを ONNX 形式へ移すことである。ONNX はさまざまなフレームワーク間でのニューラルネットワークの相互運用性を目指している。PyTorch には ONNX 変換用の組み込み関数 torch.onnx.export がある。さらに、得られた .onnx モデルは cv.dnn.readNetFromONNX に渡される。

要件

以下のコードを試せるようにするには、一連のライブラリをインストールする必要がある。ここではpython3.7+の仮想環境を使う。

virtualenv -p /usr/bin/python3.7 <env_dir_path>
source <env_dir_path>/bin/activate

OpenCV-Pythonをソースからビルドする場合は、OpenCV入門 の該当する手順に従うこと。

ライブラリのインストールを始める前に、requirements.txt をカスタマイズし、一部の依存関係を除外したり（たとえば opencv-python を）含めたりできる。以下の行は、先に有効化した仮想環境への要件のインストールを開始する。

pip install -r requirements.txt

実践

この章では、以下の点を扱う。

1. 分類モデルの変換パイプラインを作成し、推論を行う
2. 分類モデルを評価しテストする

評価またはテストのモデルパイプラインを実行するだけであれば、「モデル変換パイプライン」の部分は省略できる。

モデル変換パイプライン

本節のコードは dnn_model_runner モジュール内にあり、次の行で実行できる:

python -m dnn_model_runner.dnn_conversion.pytorch.classification.py_to_py_resnet50

以下のコードには、下に列挙する各ステップの説明が含まれている:

1. PyTorchモデルをインスタンス化する
2. PyTorchモデルを.onnxへ変換する
3. OpenCV APIで変換したネットワークを読み込む
4. 入力データを準備する
5. 推論を実行する

# initialize PyTorch ResNet-50 model
original_model = models.resnet50(pretrained=True)
 
# get the path to the converted into ONNX PyTorch model
full_model_path = get_pytorch_onnx_model(original_model)
 
# read converted .onnx model with OpenCV API
opencv_net = cv2.dnn.readNetFromONNX(full_model_path)
print("OpenCV model was successfully read. Layer IDs: \n", opencv_net.getLayerNames())
 
# get preprocessed image
input_img = get_preprocessed_img("../data/squirrel_cls.jpg")
 
# get ImageNet labels
imagenet_labels = get_imagenet_labels("../data/dnn/classification_classes_ILSVRC2012.txt")
 
# obtain OpenCV DNN predictions
get_opencv_dnn_prediction(opencv_net, input_img, imagenet_labels)
 
# obtain original PyTorch ResNet50 predictions
get_pytorch_dnn_prediction(original_model, input_img, imagenet_labels)

モデル推論を行うために、ImageNetのクラスID 335に対応する、以下のリスの写真（CC0ライセンス）を使用する:

fox squirrel, eastern fox squirrel, Sciurus niger

Classification model input image

得られた予測のラベルをデコードするために、ImageNetクラスの完全な一覧を含む imagenet_classes.txt ファイルも必要となる。

学習済みのPyTorch ResNet-50 を例に、各ステップをより詳しく見ていく:

• PyTorch ResNet-50 モデルをインスタンス化する:

# initialize PyTorch ResNet-50 model
original_model = models.resnet50(pretrained=True)

• PyTorchモデルをONNXに変換する:

# define the directory for further converted model save
onnx_model_path = "models"
# define the name of further converted model
onnx_model_name = "resnet50.onnx"
 
# create directory for further converted model
os.makedirs(onnx_model_path, exist_ok=True)
 
# get full path to the converted model
full_model_path = os.path.join(onnx_model_path, onnx_model_name)
 
# generate model input
generated_input = Variable(
    torch.randn(1, 3, 224, 224)
)
 
# model export into ONNX format
torch.onnx.export(
    original_model,
    generated_input,
    full_model_path,
    verbose=True,
    input_names=["input"],
    output_names=["output"],
    opset_version=11
)

上記コードの実行が成功すると、models/resnet50.onnx が得られる。

• cv.dnn.readNetFromONNX で変換済みのネットワークを読み込み、前のステップで得たONNXモデルを渡す:

# read converted .onnx model with OpenCV API
opencv_net = cv2.dnn.readNetFromONNX(full_model_path)

• 入力データを準備する:

# read the image
input_img = cv2.imread(img_path, cv2.IMREAD_COLOR)
input_img = input_img.astype(np.float32)
 
input_img = cv2.resize(input_img, (256, 256))
 
# define preprocess parameters
mean = np.array([0.485, 0.456, 0.406]) * 255.0
scale = 1 / 255.0
std = [0.229, 0.224, 0.225]
 
# prepare input blob to fit the model input:
# 1. subtract mean
# 2. scale to set pixel values from 0 to 1
input_blob = cv2.dnn.blobFromImage(
    image=input_img,
    scalefactor=scale,
    size=(224, 224),  # img target size
    mean=mean,
    swapRB=True,  # BGR -> RGB
    crop=True # center crop
)
# 3. divide by std
input_blob[0] /= np.asarray(std, dtype=np.float32).reshape(3, 1, 1)

このステップでは画像を読み込み、4次元のblobを返す cv.dnn.blobFromImage 関数でモデル入力を準備する。cv.dnn.blobFromImage では、まず平均値が減算され、その後にピクセル値がスケールで乗算される点に注意すること。したがって、元の画像前処理の順序を再現するため、mean には 255.0 が乗算される:

img /= 255.0
img -= [0.485, 0.456, 0.406]
img /= [0.229, 0.224, 0.225]

• OpenCV cv.dnn.Net による推論:

# set OpenCV DNN input
opencv_net.setInput(preproc_img)
 
# OpenCV DNN inference
out = opencv_net.forward()
print("OpenCV DNN prediction: \n")
print("* shape: ", out.shape)
 
# get the predicted class ID
imagenet_class_id = np.argmax(out)
 
# get confidence
confidence = out[0][imagenet_class_id]
print("* class ID: {}, label: {}".format(imagenet_class_id, imagenet_labels[imagenet_class_id]))
print("* confidence: {:.4f}".format(confidence))

上記のコードを実行すると、次の出力が得られる:

OpenCV DNN prediction:
* shape:  (1, 1000)
* class ID: 335, label: fox squirrel, eastern fox squirrel, Sciurus niger
* confidence: 14.8308

• PyTorch ResNet-50 モデルによる推論:

original_net.eval()
preproc_img = torch.FloatTensor(preproc_img)
 
# inference
out = original_net(preproc_img)
print("\nPyTorch model prediction: \n")
print("* shape: ", out.shape)
 
# get the predicted class ID
imagenet_class_id = torch.argmax(out, axis=1).item()
print("* class ID: {}, label: {}".format(imagenet_class_id, imagenet_labels[imagenet_class_id]))
 
# get confidence
confidence = out[0][imagenet_class_id]
print("* confidence: {:.4f}".format(confidence.item()))

上記のコードを実行すると、次の出力が得られる:

PyTorch model prediction:
* shape:  torch.Size([1, 1000])
* class ID: 335, label: fox squirrel, eastern fox squirrel, Sciurus niger
* confidence: 14.8308

元の ResNet-50 モデルと cv.dnn.Net の推論結果は等しい。モデルをさらに詳しく評価するには、dnn_model_runner モジュールの py_to_py_cls を利用できる。このモジュール部分については次の節で説明する。

モデルの評価

samples/dnn で提供される dnn_model_runner モジュールを使うと、ImageNet データセット上で完全な評価パイプラインを実行し、次のPyTorch分類モデルのテスト実行を行える:

• alexnet
• vgg11
• vgg13
• vgg16
• vgg19
• resnet18
• resnet34
• resnet50
• resnet101
• resnet152
• squeezenet1_0
• squeezenet1_1
• resnext50_32x4d
• resnext101_32x8d
• wide_resnet50_2
• wide_resnet101_2

この一覧は、適切な評価パイプライン設定を追加することでさらに拡張できる。

評価モード

以下の行は、モジュールを評価モードで実行する例である:

python -m dnn_model_runner.dnn_conversion.pytorch.classification.py_to_py_cls --model_name <pytorch_cls_model_name>

一覧から選択した分類モデルが OpenCV cv.dnn.Net オブジェクトに読み込まれる。PyTorchモデルとOpenCVモデルの評価結果（精度、推論時間、L1）はログファイルに書き出される。推論時間の値はチャートにも描画され、得られたモデル情報を一般化して示す。

必要な評価設定は test_config.py で定義されており、実際のデータ配置パスに合わせて変更できる:

@dataclass
class TestClsConfig:
    batch_size: int = 50
    frame_size: int = 224
    img_root_dir: str = "./ILSVRC2012_img_val"
 # location of image-class matching
    img_cls_file: str = "./val.txt"
    bgr_to_rgb: bool = True

PyTorch ResNet-50 の評価を開始するには、次の行を実行する:

python -m dnn_model_runner.dnn_conversion.pytorch.classification.py_to_py_cls --model_name resnet50

スクリプトの起動後、評価データを含むログファイルが dnn_model_runner/dnn_conversion/logs に生成される:

The model PyTorch resnet50 was successfully obtained and converted to OpenCV DNN resnet50
===== Running evaluation of the model with the following params:
    * val data location: ./ILSVRC2012_img_val
    * log file location: dnn_model_runner/dnn_conversion/logs/PyTorch_resnet50_log.txt

テストモード

以下の行は、テストモードでモジュールを実行する例を表す。すなわち、モデル推論のためのステップを提供する:

python -m dnn_model_runner.dnn_conversion.pytorch.classification.py_to_py_cls --model_name <pytorch_cls_model_name> --test True --default_img_preprocess <True/False> --evaluate False

ここで default_img_preprocess キーは、scale、mean、std などの特定の値でモデルのテスト処理をパラメータ化するか、デフォルト値を使用するかを定義する。

テスト設定は test_config.py の TestClsModuleConfig クラスで表される:

@dataclass
class TestClsModuleConfig:
    cls_test_data_dir: str = "../data"
    test_module_name: str = "classification"
    test_module_path: str = "classification.py"
    input_img: str = os.path.join(cls_test_data_dir, "squirrel_cls.jpg")
    model: str = ""
 
    frame_height: str = str(TestClsConfig.frame_size)
    frame_width: str = str(TestClsConfig.frame_size)
    scale: str = "1.0"
    mean: List[str] = field(default_factory=lambda: ["0.0", "0.0", "0.0"])
    std: List[str] = field(default_factory=list)
    crop: str = "False"
    rgb: str = "True"
    rsz_height: str = ""
    rsz_width: str = ""
    classes: str = os.path.join(cls_test_data_dir, "dnn", "classification_classes_ILSVRC2012.txt")

既定の画像前処理オプションは default_preprocess_config.py で定義されている。たとえば:

BASE_IMG_SCALE_FACTOR = 1 / 255.0
PYTORCH_RSZ_HEIGHT = 256
PYTORCH_RSZ_WIDTH = 256
 
pytorch_resize_input_blob = {
 "mean": ["123.675", "116.28", "103.53"],
 "scale": str(BASE_IMG_SCALE_FACTOR),
 "std": ["0.229", "0.224", "0.225"],
 "crop": "True",
 "rgb": "True",
 "rsz_height": str(PYTORCH_RSZ_HEIGHT),
 "rsz_width": str(PYTORCH_RSZ_WIDTH)
}

モデルテストの基礎は samples/dnn/classification.py で表される。classification.py は、--input に変換済みモデルを指定し、cv.dnn.blobFromImage 用の引数を設定すれば、単独で実行できる。

「Model Conversion Pipeline」で説明したOpenCVのステップを、dnn_model_runner を使って一から再現するには、以下の行を実行する:

python -m dnn_model_runner.dnn_conversion.pytorch.classification.py_to_py_cls --model_name resnet50 --test True --default_img_preprocess True --evaluate False

ネットワークの予測は、出力ウィンドウの左上隅に図示される:

ResNet50 OpenCV inference output