Update Readme.md

Alexey

2018-07-07 e7f64b15066b58879b086fb9d89d28e8d16519ec

 src/yolo_v2_class.cpp

@@ -18,41 +18,96 @@

#include <vector>
#include <iostream>
#include <algorithm>

#define FRAMES 3

struct detector_gpu_t{
   float **probs;
   box *boxes;
//static Detector* detector = NULL;
static std::unique_ptr<Detector> detector;

int init(const char *configurationFilename, const char *weightsFilename, int gpu) 
{
    detector.reset(new Detector(configurationFilename, weightsFilename, gpu));
    return 1;
}

int detect_image(const char *filename, bbox_t_container &container) 
{
    std::vector<bbox_t> detection = detector->detect(filename);
    for (size_t i = 0; i < detection.size() && i < C_SHARP_MAX_OBJECTS; ++i)
        container.candidates[i] = detection[i];
    return detection.size();
}

int detect_mat(const uint8_t* data, const size_t data_length, bbox_t_container &container) {
#ifdef OPENCV
    std::vector<char> vdata(data, data + data_length);
    cv::Mat image = imdecode(cv::Mat(vdata), 1);

    std::vector<bbox_t> detection = detector->detect(image);
    for (size_t i = 0; i < detection.size() && i < C_SHARP_MAX_OBJECTS; ++i)
        container.candidates[i] = detection[i];
    return detection.size();
#else
    return -1;
#endif   // OPENCV
}

int dispose() {
   //if (detector != NULL) delete detector;
   //detector = NULL;
    detector.reset();
    return 1;
}

#ifdef GPU
void check_cuda(cudaError_t status) {
   if (status != cudaSuccess) {
      const char *s = cudaGetErrorString(status);
      printf("CUDA Error Prev: %s\n", s);
   }
}
#endif

struct detector_gpu_t {
   network net;
   image images[FRAMES];
   float *avg;
   float *predictions[FRAMES];
   int demo_index;
   unsigned int *track_id;
};


YOLODLL_API Detector::Detector(std::string cfg_filename, std::string weight_filename, int gpu_id)
YOLODLL_API Detector::Detector(std::string cfg_filename, std::string weight_filename, int gpu_id) : cur_gpu_id(gpu_id)
{
   wait_stream = 0;
   int old_gpu_index;
   cudaGetDevice(&old_gpu_index);
#ifdef GPU
   check_cuda( cudaGetDevice(&old_gpu_index) );
#endif

   detector_gpu_ptr = std::make_shared<detector_gpu_t>();
   detector_gpu_t &detector_gpu = *reinterpret_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());

   cudaSetDevice(gpu_id);
#ifdef GPU
   //check_cuda( cudaSetDevice(cur_gpu_id) );
   cuda_set_device(cur_gpu_id);
   printf(" Used GPU %d \n", cur_gpu_id);
#endif
   network &net = detector_gpu.net;
   net.gpu_index = gpu_id;
   net.gpu_index = cur_gpu_id;
   //gpu_index = i;
   
   char *cfgfile = const_cast<char *>(cfg_filename.data());
   char *weightfile = const_cast<char *>(weight_filename.data());

   net = parse_network_cfg(cfgfile);
   net = parse_network_cfg_custom(cfgfile, 1);
   if (weightfile) {
      load_weights(&net, weightfile);
   }
   set_batch_network(&net, 1);
   net.gpu_index = gpu_id;
   net.gpu_index = cur_gpu_id;
   fuse_conv_batchnorm(net);

   layer l = net.layers[net.n - 1];
   int j;
@@ -61,42 +116,58 @@
   for (j = 0; j < FRAMES; ++j) detector_gpu.predictions[j] = (float *)calloc(l.outputs, sizeof(float));
   for (j = 0; j < FRAMES; ++j) detector_gpu.images[j] = make_image(1, 1, 3);

   detector_gpu.boxes = (box *)calloc(l.w*l.h*l.n, sizeof(box));
   detector_gpu.probs = (float **)calloc(l.w*l.h*l.n, sizeof(float *));
   for (j = 0; j < l.w*l.h*l.n; ++j) detector_gpu.probs[j] = (float *)calloc(l.classes, sizeof(float));
   detector_gpu.track_id = (unsigned int *)calloc(l.classes, sizeof(unsigned int));
   for (j = 0; j < l.classes; ++j) detector_gpu.track_id[j] = 1;

   cudaSetDevice(old_gpu_index);
#ifdef GPU
   check_cuda( cudaSetDevice(old_gpu_index) );
#endif
}


YOLODLL_API Detector::~Detector() 
{
   detector_gpu_t &detector_gpu = *reinterpret_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   layer l = detector_gpu.net.layers[detector_gpu.net.n - 1];

   free(detector_gpu.track_id);

   free(detector_gpu.avg);
   for (int j = 0; j < FRAMES; ++j) free(detector_gpu.predictions[j]);
   for (int j = 0; j < FRAMES; ++j) if(detector_gpu.images[j].data) free(detector_gpu.images[j].data);

   free(detector_gpu.boxes);
   free(detector_gpu.probs);
   for (int j = 0; j < l.w*l.h*l.n; ++j) free(detector_gpu.probs[j]);

   int old_gpu_index;
#ifdef GPU
   cudaGetDevice(&old_gpu_index);
   cudaSetDevice(detector_gpu.net.gpu_index);
   cuda_set_device(detector_gpu.net.gpu_index);
#endif

   free_network(detector_gpu.net);

#ifdef GPU
   cudaSetDevice(old_gpu_index);
#endif
}

YOLODLL_API int Detector::get_net_width() const {
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   return detector_gpu.net.w;
}
YOLODLL_API int Detector::get_net_height() const {
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   return detector_gpu.net.h;
}
YOLODLL_API int Detector::get_net_color_depth() const {
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   return detector_gpu.net.c;
}


YOLODLL_API std::vector<bbox_t> Detector::detect(std::string image_filename, float thresh)
YOLODLL_API std::vector<bbox_t> Detector::detect(std::string image_filename, float thresh, bool use_mean)
{
   std::shared_ptr<image_t> image_ptr(new image_t, [](image_t *img) { if (img->data) free(img->data); delete img; });
   *image_ptr = load_image(image_filename);
   return detect(*image_ptr, thresh);
   return detect(*image_ptr, thresh, use_mean);
}

static image load_image_stb(char *filename, int channels)
@@ -143,17 +214,21 @@
   }
}

YOLODLL_API std::vector<bbox_t> Detector::detect(image_t img, float thresh)
YOLODLL_API std::vector<bbox_t> Detector::detect(image_t img, float thresh, bool use_mean)
{

   detector_gpu_t &detector_gpu = *reinterpret_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   detector_gpu_t &detector_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());
   network &net = detector_gpu.net;
   int old_gpu_index;
#ifdef GPU
   cudaGetDevice(&old_gpu_index);
   cudaSetDevice(net.gpu_index);
   if(cur_gpu_id != old_gpu_index)
      cudaSetDevice(net.gpu_index);

   net.wait_stream = wait_stream;   // 1 - wait CUDA-stream, 0 - not to wait
#endif
   //std::cout << "net.gpu_index = " << net.gpu_index << std::endl;

   float nms = .4;
   //float nms = .4;

   image im;
   im.c = img.c;
@@ -161,42 +236,124 @@
   im.h = img.h;
   im.w = img.w;

   image sized = resize_image(im, net.w, net.h);
   image sized;
	
   if (net.w == im.w && net.h == im.h) {
      sized = make_image(im.w, im.h, im.c);
      memcpy(sized.data, im.data, im.w*im.h*im.c * sizeof(float));
   }
   else
      sized = resize_image(im, net.w, net.h);

   layer l = net.layers[net.n - 1];

   float *X = sized.data;

   network_predict(net, X);
   float *prediction = network_predict(net, X);

   get_region_boxes(l, 1, 1, thresh, detector_gpu.probs, detector_gpu.boxes, 0, 0);
   if (nms) do_nms_sort(detector_gpu.boxes, detector_gpu.probs, l.w*l.h*l.n, l.classes, nms);
   //draw_detections(im, l.w*l.h*l.n, thresh, boxes, probs, names, alphabet, l.classes);
   if (use_mean) {
      memcpy(detector_gpu.predictions[detector_gpu.demo_index], prediction, l.outputs * sizeof(float));
      mean_arrays(detector_gpu.predictions, FRAMES, l.outputs, detector_gpu.avg);
      l.output = detector_gpu.avg;
      detector_gpu.demo_index = (detector_gpu.demo_index + 1) % FRAMES;
   }
   //get_region_boxes(l, 1, 1, thresh, detector_gpu.probs, detector_gpu.boxes, 0, 0);
   //if (nms) do_nms_sort(detector_gpu.boxes, detector_gpu.probs, l.w*l.h*l.n, l.classes, nms);

   int nboxes = 0;
   int letterbox = 0;
   float hier_thresh = 0.5;
   detection *dets = get_network_boxes(&net, im.w, im.h, thresh, hier_thresh, 0, 1, &nboxes, letterbox);
   if (nms) do_nms_sort(dets, nboxes, l.classes, nms);

   std::vector<bbox_t> bbox_vec;

   for (size_t i = 0; i < (l.w*l.h*l.n); ++i) {
      box b = detector_gpu.boxes[i];
      int const obj_id = max_index(detector_gpu.probs[i], l.classes);
      float const prob = detector_gpu.probs[i][obj_id];
   for (size_t i = 0; i < nboxes; ++i) {
      box b = dets[i].bbox;
      int const obj_id = max_index(dets[i].prob, l.classes);
      float const prob = dets[i].prob[obj_id];
      
      if (prob > thresh) 
      {
         bbox_t bbox;
         bbox.x = (b.x - b.w / 2.)*im.w;
         bbox.y = (b.y - b.h / 2.)*im.h;
         bbox.x = std::max((double)0, (b.x - b.w / 2.)*im.w);
         bbox.y = std::max((double)0, (b.y - b.h / 2.)*im.h);
         bbox.w = b.w*im.w;
         bbox.h = b.h*im.h;
         bbox.obj_id = obj_id;
         bbox.prob = prob;
         bbox.track_id = 0;

         bbox_vec.push_back(bbox);
      }
   }

   free_detections(dets, nboxes);
   if(sized.data)
      free(sized.data);

   cudaSetDevice(old_gpu_index);
#ifdef GPU
   if (cur_gpu_id != old_gpu_index)
      cudaSetDevice(old_gpu_index);
#endif

   return bbox_vec;
}

YOLODLL_API std::vector<bbox_t> Detector::tracking_id(std::vector<bbox_t> cur_bbox_vec, bool const change_history, 
   int const frames_story, int const max_dist)
{
   detector_gpu_t &det_gpu = *static_cast<detector_gpu_t *>(detector_gpu_ptr.get());

   bool prev_track_id_present = false;
   for (auto &i : prev_bbox_vec_deque)
      if (i.size() > 0) prev_track_id_present = true;

   if (!prev_track_id_present) {
      for (size_t i = 0; i < cur_bbox_vec.size(); ++i)
         cur_bbox_vec[i].track_id = det_gpu.track_id[cur_bbox_vec[i].obj_id]++;
      prev_bbox_vec_deque.push_front(cur_bbox_vec);
      if (prev_bbox_vec_deque.size() > frames_story) prev_bbox_vec_deque.pop_back();
      return cur_bbox_vec;
   }

   std::vector<unsigned int> dist_vec(cur_bbox_vec.size(), std::numeric_limits<unsigned int>::max());

   for (auto &prev_bbox_vec : prev_bbox_vec_deque) {
      for (auto &i : prev_bbox_vec) {
         int cur_index = -1;
         for (size_t m = 0; m < cur_bbox_vec.size(); ++m) {
            bbox_t const& k = cur_bbox_vec[m];
            if (i.obj_id == k.obj_id) {
               float center_x_diff = (float)(i.x + i.w/2) - (float)(k.x + k.w/2);
               float center_y_diff = (float)(i.y + i.h/2) - (float)(k.y + k.h/2);
               unsigned int cur_dist = sqrt(center_x_diff*center_x_diff + center_y_diff*center_y_diff);
               if (cur_dist < max_dist && (k.track_id == 0 || dist_vec[m] > cur_dist)) {
                  dist_vec[m] = cur_dist;
                  cur_index = m;
               }
            }
         }

         bool track_id_absent = !std::any_of(cur_bbox_vec.begin(), cur_bbox_vec.end(), 
            [&i](bbox_t const& b) { return b.track_id == i.track_id && b.obj_id == i.obj_id; });

         if (cur_index >= 0 && track_id_absent){
            cur_bbox_vec[cur_index].track_id = i.track_id;
            cur_bbox_vec[cur_index].w = (cur_bbox_vec[cur_index].w + i.w) / 2;
            cur_bbox_vec[cur_index].h = (cur_bbox_vec[cur_index].h + i.h) / 2;
         }
      }
   }

   for (size_t i = 0; i < cur_bbox_vec.size(); ++i)
      if (cur_bbox_vec[i].track_id == 0)
         cur_bbox_vec[i].track_id = det_gpu.track_id[cur_bbox_vec[i].obj_id]++;

   if (change_history) {
      prev_bbox_vec_deque.push_front(cur_bbox_vec);
      if (prev_bbox_vec_deque.size() > frames_story) prev_bbox_vec_deque.pop_back();
   }

   return cur_bbox_vec;
}