Skip to content

Latest commit

 

History

History
105 lines (85 loc) · 4.73 KB

README.md

File metadata and controls

105 lines (85 loc) · 4.73 KB
Raw

Python例程

目录

python目录下提供了Python例程，具体情况如下：

序号 Python例程 说明
1 sam2_opencv.py 使用OpenCV解码、SAIL 图像编码(encoder)、SAIL图像解码(decoder)

1. 环境准备

1.1 SoC平台

算能的SoC平台（如SE、SM系列边缘设备）在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包。但除此之外您还需要交叉编译安装sophon-sail，具体可参考交叉编译安装sophon-sail。

在运行之前您需要先安装一些Python依赖， 可以通过pip直接安装

pip3 install opencv-python pympler tqdm

如果您需要测试精度，您还需要安装pycocotools：

pip3 install pycocotools

2. 推理测试

2.1 参数说明

sam_opencv.py的参数说明如下：

usage: sam2_opencv.py [-h] [--mode MODE] [--img_path IMG_PATH] [--points POINTS] [--label LABEL] [--dataset_type DATASET_TYPE] [--gt_path GT_PATH]
                      [--detect_num DETECT_NUM] [--output_dir OUTPUT_DIR] [--encoder_bmodel ENCODER_BMODEL] [--decoder_bmodel DECODER_BMODEL]
                      [--select_best SELECT_BEST]

optional arguments:
  -h, --help                  show this help message and exit
  --mode                      指定分割模式。可选值为 'img' 或 'dataset'。在 'img' 模式下，需要提供图片路径(img_path)、坐标点 (points) 和标签 (label)；在 'dataset' 模式下，需要提供图片路径 (img_path)、数据集类型 (dataset_type) 和真值路径 (gt_path)。
  --img_path                  输入图片或数据集的路径
  --points                    输入点的坐标。可以是单个点的格式 [[x, y]], 多点的格式[[x1, y1], [x2, y2]] 或者矩形框的格式 [[x1, y1, w, h]]（类似于COCO数据集的边界框格式）
  --label                     输入点的标签
  --dataset_type              数据集类型。目前支持的选项包括 'COCODataset'
  --gt_path                   真值文件的路径
  --detect_num                在数据集模式下，用于分割的图像数量
  --output_dir                用于保存模型输出结果的目录
  --encoder_bmodel            编码器模型文件的路径
  --decoder_bmodel            解码器模型文件的路径
  --select_best               是否选择最佳掩模进行分割

2.2 测试图片

2.2.1 单点测试

运行sam2_opencv.py进行例程测试，此处以datasets/truck.jpg为例进行测试，输入一个point坐标，并指定其标签

原始图像：

web1 
python3 python/sam2_opencv.py --img_path datasets/truck.jpg --points '[[500, 375]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel

输出结果为：

web1

2.2.2 多点测试

输入两个个point坐标，并指定其标签

python3 python/sam2_opencv.py --img_path datasets/truck.jpg --points '[[500, 375], [345, 300]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel

输出结果为：

web1

2.2.3 边框测试

输入一个框，并指定其标签

python3 python/sam2_opencv.py --img_path datasets/truck.jpg --points '[[900, 300, 350, 350]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel

输出结果为：

web1

流程图

sam2_opencv中的处理流程，遵循以下流程图：

web1