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。可以调用daoai_image()方法读取图片。

        // get root path to the model and image
std::string root = "../"; // change to your own path
        std::string image_path = root + "image.png";

        // load image
        DaoAI::DeepLearning::Image daoai_image(image_path);

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 = "../"; // change to your own path
        std::string model_path = root + "model.dwm";

// init model
        DaoAI::DeepLearning::Vision::InstanceSegmentation model(model_path);

注意，这里每一个检测任务都有对应的对象：

//实例分割
DaoAI::DeepLearning::Vision::InstanceSegmentation model(model_path);

//关键点检测
DaoAI::DeepLearning::Vision::KeypointDetection model(model_path);

//图像分类
DaoAI::DeepLearning::Vision::Classification model(model_path);

//目标检测
DaoAI::DeepLearning::Vision::ObjectDetection model(model_path);

//异常检测
DaoAI::DeepLearning::Vision::AnomalyDetection model(model_path);

//语义分割
DaoAI::DeepLearning::Vision::SemanticSegmentation model(model_path);

//OCR
DaoAI::DeepLearning::Vision::OCR model(model_path);

如果尝试加载非对应的模型对象，那么会报错，报错信息中会提示您应该用的模型类型。

使用深度学习模型进行预测

// get inference
DaoAI::DeepLearning::Vision::ClassificationResult prediction = model.inference(daoai_image);

//std::vector<DaoAI::DeepLearning::Polygon> polygons = prediction.masks[1].toPolygons();
std::string json_string = prediction.toJSONString();
// write to json file
std::ofstream fout(root + "daoai_1.json");
fout << json_string << "\n";
fout.close();

注意，这里每一个检测任务返回的结果都有对应的对象：

//实例分割
DaoAI::DeepLearning::Vision::InstanceSegmentationResult prediction = model.inference(daoai_image);

//关键点检测
DaoAI::DeepLearning::Vision::KeypointDetectionResult prediction = model.inference(daoai_image);

//图像分类
DaoAI::DeepLearning::Vision::ClassificationResult prediction = model.inference(daoai_image);

//目标检测
DaoAI::DeepLearning::Vision::ObjectDetectionResult prediction = model.inference(daoai_image);

//异常检测
DaoAI::DeepLearning::Vision::AnomalyDetectionResult prediction = model.inference(daoai_image);

//语义分割
DaoAI::DeepLearning::Vision::SemanticSegmentationResult prediction = model.inference(daoai_image);

//OCR
DaoAI::DeepLearning::Vision::OCRResult prediction = model.inference(daoai_image);

返回结果示例

以下是实例分割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
}

DaoAI::DeepLearning::Vision::InstanceSegmentationResult 对象还可以使用 .masks[i].toPolygons() 方法来获取多边形对象。

或者使用 .masks[i].toImage() 方法来获取多边形掩膜的图像，您可以使用 openCV 来讲图片写出。

DaoAI::DeepLearning::Image image = prediction.maskss[0].toImage();
cv::imwrite("mask.png", cv::Mat(image.rows,image.cols, CV_8UC1, image.getData()));