C++ 代码示例

本章会详细介绍DaoAI World SDK中包含的C++代码示例。

引入库

在C++示例中，我们使用了以下三个头文件，其中 dlsdk/model.h 是用于引入DaoAI World SDK的库。

#include <dlsdk/model.h>
#include <string>
#include <fstream>

读取图片

DaoAI World SDK 的模型预测函数需要将图片表示为一维数组（1D array）。以下是从文件中读取图片的函数：

首先定义文件路径，然后调用函数读取。

std::string root = "../";
std::string data_path = root + "Data/daoai_1.bin";

////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
// 这段代码演示了如何从二进制文件读取图像数据。你可以用自己的图像数据 (例如: OpenCV 库中data buffer函数)

std::vector<uint8_t> readImageBinaryFile(const std::string& filePath) {
    std::ifstream inputFile(filePath, std::ios::binary);
    if (!inputFile) {
        std::cerr << "Cannot open " << filePath << "\n";
        return {};
    }

    std::vector<uint8_t> buffer((std::istreambuf_iterator<char>(inputFile)), std::istreambuf_iterator<char>());
    inputFile.close();

    return buffer;
}

接下来，在 main 函数中，定义图片的尺寸，然后调用上述函数将图片读取到数组中，然后用daoai_image函数初始化 以便后续使用：

const int image_height = 1200;
const int image_width = 1920;

std::vector<uint8_t> image_buffer = readImageBinaryFile(data_path);
if (image_buffer.size() == 0)
{
    std::cerr << "Image buffer is not read properly" << "\n";
    return 1;
}

DaoAI::DeepLearning::Image daoai_image(image_height, image_width, DaoAI::DeepLearning::Image::Type::BGR, &image_buffer[0]);

加载深度学习模型

首先需要加载模型。DaoAI World 输出的深度学习模型通常是 zip 格式。我们需要创建一个 DaoAI::DeepLearning::Model 对象，然后调用 loadNestedZip 方法来读取 DaoAI World 输出的深度学习模型 zip 文件。

std::string root = "../";
std::string model_zip_path = root + "Data/test_kp_fast.zip";

// init model
DaoAI::DeepLearning::Model model;

std::cout << "Loading Model" << "\n";
// load model
model.loadNestedZip(model_zip_path);
std::cout << "Model Loaded" << "\n";

使用深度学习模型进行预测

调用 DaoAI::DeepLearning::Model 的 inferenceJSON() 方法可以对一个图像对象进行深度学习预测。该方法会返回一组 JSON 格式的预测结果。

在不需要模型的时候，记得调用 unload() 方法释放内存。

// get inference
auto prediction = model.inferenceJSON(daoai_image);

// write to json file
std::ofstream fout(root + "Data/daoai_1.json");
fout << prediction << "\n";
fout.close();

// unload model
model.unload();

返回结果示例

以下是模型预测后返回的结果示例。主要结果包含在 shapes 列表中。

这个结果展示了预测的多边形点（points）、标签（label）以及群组ID（group_id）。这些信息可以用来进一步处理或分析预测的结果。

{
"flags": {},
"shapes": [
    {
    "label": "back",
    "points": [
        [1525.5, 928.5],
        [1522.5, 931.5],
        [1528.5, 931.5],
        [1527.0, 930.0],
        [1527.0, 928.5]
    ],
    "group_id": 1,
    "description": "",
    "shape_type": "polygon",
    "flags": {}
    },
    {
    "label": "front",
    "points": [
        [1428.0, 798.0],
        [1429.5, 796.5],
        [1431.0, 796.5],
        [1432.5, 798.0],
        [1432.5, 801.0],
        [1431.0, 802.5],
        [1425.0, 802.5],
        [1423.5, 801.0],
        [1426.5, 798.0]
    ],
    "group_id": 0,
    "description": "",
    "shape_type": "polygon",
    "flags": {}
    },
],
"imageWidth": 1920,
"imageHeight": 1200
}