C# Image Caption
目录
C# Image Caption
介绍
地址：https://github.com/ruotianluo/ImageCaptioning.pytorch
I decide to sync up this repo and self-critical.pytorch. (The old master is in old master branch for archive)
效果
模型
decoder_fc_nsc.onnx
Inputs
-------------------------
name：fc_feats
tensor：Float[1, 2048]
---------------------------------------------------------------
Outputs
-------------------------
name：seq
tensor：Int64[1, 20]
name：logprobs
tensor：Float[1, 20, 9488]
---------------------------------------------------------------
encoder.onnx
Inputs
-------------------------
name：img
tensor：Float[1, 3, 640, 640]
---------------------------------------------------------------
Outputs
-------------------------
name：fc
tensor：Float[2048]
---------------------------------------------------------------
项目
代码
using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using OpenCvSharp;
using OpenCvSharp.Dnn;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.Drawing.Imaging;
using System.IO;
using System.Linq;
using System.Windows.Forms;
namespace ImageCaption
{
? ? public partial class Form1 : Form
? ? {
? ? ? ? public Form1()
? ? ? ? {
? ? ? ? ? ? InitializeComponent();
? ? ? ? }
? ? ? ? string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
? ? ? ? string image_path = "";
? ? ? ? string startupPath;
? ? ? ? string classer_path;
? ? ? ? DateTime dt1 = DateTime.Now;
? ? ? ? DateTime dt2 = DateTime.Now;
? ? ? ? string model_path;
? ? ? ? Mat image;
? ? ? ? Mat result_image;
? ? ? ? SessionOptions options;
? ? ? ? InferenceSession onnx_session;
? ? ? ? Tensor<float> input_tensor;
? ? ? ? List<NamedOnnxValue> input_container;
? ? ? ? IDisposableReadOnlyCollection<DisposableNamedOnnxValue> result_infer;
? ? ? ? DisposableNamedOnnxValue[] results_onnxvalue;
? ? ? ? Tensor<Int64> result_tensors;
? ? ? ? Net net;
? ? ? ? int feat_len;
? ? ? ? int D;
? ? ? ? int inpWidth = 640;
? ? ? ? int inpHeight = 640;
? ? ? ? float[] mean = new float[] { 0.485f, 0.456f, 0.406f };
? ? ? ? float[] std = new float[] { 0.229f, 0.224f, 0.225f };
? ? ? ? Dictionary<string, string> ix_to_word = new Dictionary<string, string>();
? ? ? ? private void button1_Click(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? OpenFileDialog ofd = new OpenFileDialog();
? ? ? ? ? ? ofd.Filter = fileFilter;
? ? ? ? ? ? if (ofd.ShowDialog() != DialogResult.OK) return;
? ? ? ? ? ? pictureBox1.Image = null;
? ? ? ? ? ? image_path = ofd.FileName;
? ? ? ? ? ? pictureBox1.Image = new Bitmap(image_path);
? ? ? ? ? ? textBox1.Text = "";
? ? ? ? ? ? image = new Mat(image_path);
? ? ? ? ? ? pictureBox2.Image = null;
? ? ? ? }
? ? ? ? private unsafe void button2_Click(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? if (image_path == "")
? ? ? ? ? ? {
? ? ? ? ? ? ? ? return;
? ? ? ? ? ? }
? ? ? ? ? ? button2.Enabled = false;
? ? ? ? ? ? pictureBox2.Image = null;
? ? ? ? ? ? textBox1.Text = "";
? ? ? ? ? ? pictureBox2.Image = null;
? ? ? ? ? ? Application.DoEvents();
? ? ? ? ? ? //图片缩放
? ? ? ? ? ? image = new Mat(image_path);
? ? ? ? ? ? Mat temp_image = new Mat();
? ? ? ? ? ? Cv2.Resize(image, temp_image, new OpenCvSharp.Size(inpWidth, inpHeight));
? ? ? ? ? ? Normalize(temp_image);
? ? ? ? ? ? Mat blob = CvDnn.BlobFromImage(temp_image);
? ? ? ? ? ? //配置图片输入数据
? ? ? ? ? ? net.SetInput(blob);
? ? ? ? ? ? Mat result_mat = net.Forward();
? ? ? ? ? ? float* ptr_feat = (float*)result_mat.Data;
? ? ? ? ? ? for (int i = 0; i < 2048; i++)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? input_tensor[0, i] = ptr_feat[i];
? ? ? ? ? ? }
? ? ? ? ? ? //将 input_tensor 放入一个输入参数的容器，并指定名称
? ? ? ? ? ? input_container.Add(NamedOnnxValue.CreateFromTensor("fc_feats", input_tensor));
? ? ? ? ? ? //运行 Inference 并获取结果
? ? ? ? ? ? result_infer = onnx_session.Run(input_container);
? ? ? ? ? ? // 将输出结果转为DisposableNamedOnnxValue数组
? ? ? ? ? ? results_onnxvalue = result_infer.ToArray();
? ? ? ? ? ? // 读取第一个节点输出并转为Tensor数据
? ? ? ? ? ? result_tensors = results_onnxvalue[0].AsTensor<Int64>();
? ? ? ? ? ? Int64[] result_array = result_tensors.ToArray();
? ? ? ? ? ? string words = "";
? ? ? ? ? ? for (int k = 0; k < D; k++)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? if (result_array[k] > 0)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? if (words.Length > 0)
? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? words += " ";
? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? words += ix_to_word[result_array[k].ToString()];
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? else
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? }
? ? ? ? ? ? }
? ? ? ? ? ? result_image = image.Clone();
? ? ? ? ? ? Cv2.PutText(result_image, words
? ? ? ? ? ? ? ? , new OpenCvSharp.Point(10, 60)
? ? ? ? ? ? ? ? , HersheyFonts.HersheySimplex
? ? ? ? ? ? ? ? , 1
? ? ? ? ? ? ? ? , new Scalar(0, 0, 255)
? ? ? ? ? ? ? ? , 2
? ? ? ? ? ? ? ? );
? ? ? ? ? ? pictureBox2.Image = new Bitmap(result_image.ToMemoryStream());
? ? ? ? ? ? textBox1.Text = words;
? ? ? ? ? ? button2.Enabled = true;
? ? ? ? }
? ? ? ? public void Normalize(Mat src)
? ? ? ? {
? ? ? ? ? ? src.ConvertTo(src, MatType.CV_32FC3, 1.0 / 255);
? ? ? ? ? ? Mat[] bgr = src.Split();
? ? ? ? ? ? for (int i = 0; i < bgr.Length; ++i)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? bgr[i].ConvertTo(bgr[i], MatType.CV_32FC1, 1 / std[i], (0.0 - mean[i]) / std[i]);
? ? ? ? ? ? }
? ? ? ? ? ? Cv2.Merge(bgr, src);
? ? ? ? ? ? foreach (Mat channel in bgr)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? channel.Dispose();
? ? ? ? ? ? }
? ? ? ? }
? ? ? ? private void Form1_Load(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? startupPath = System.Windows.Forms.Application.StartupPath;
? ? ? ? ? ? model_path = "model/decoder_fc_nsc.onnx";
? ? ? ? ? ? // 创建输出会话，用于输出模型读取信息
? ? ? ? ? ? options = new SessionOptions();
? ? ? ? ? ? options.LogSeverityLevel = OrtLoggingLevel.ORT_LOGGING_LEVEL_INFO;
? ? ? ? ? ? options.AppendExecutionProvider_CPU(0);// 设置为CPU上运行
? ? ? ? ? ? // 创建推理模型类，读取本地模型文件
? ? ? ? ? ? onnx_session = new InferenceSession(model_path, options);//model_path 为onnx模型文件的路径
? ? ? ? ? ? // 输入Tensor
? ? ? ? ? ? input_tensor = new DenseTensor<float>(new[] { 1, 2048 });
? ? ? ? ? ? // 创建输入容器
? ? ? ? ? ? input_container = new List<NamedOnnxValue>();
? ? ? ? ? ? feat_len = 2048;
? ? ? ? ? ? D = 20;
? ? ? ? ? ? //初始化网络类，读取本地模型
? ? ? ? ? ? net = CvDnn.ReadNetFromOnnx("model/encoder.onnx");
? ? ? ? ? ? StreamReader sr = new StreamReader("model/vocab.txt");
? ? ? ? ? ? string line;
? ? ? ? ? ? while ((line = sr.ReadLine()) != null)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? ix_to_word.Add(line.Split(':')[0], line.Split(':')[1]);
? ? ? ? ? ? }
? ? ? ? ? ? image_path = "test_img/1.jpg";
? ? ? ? ? ? pictureBox1.Image = new Bitmap(image_path);
? ? ? ? ? ? image = new Mat(image_path);
? ? ? ? }
? ? ? ? private void pictureBox1_DoubleClick(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? Common.ShowNormalImg(pictureBox1.Image);
? ? ? ? }
? ? ? ? private void pictureBox2_DoubleClick(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? Common.ShowNormalImg(pictureBox2.Image);
? ? ? ? }
? ? ? ? SaveFileDialog sdf = new SaveFileDialog();
? ? ? ? private void button3_Click(object sender, EventArgs e)
? ? ? ? {
? ? ? ? ? ? if (pictureBox2.Image == null)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? return;
? ? ? ? ? ? }
? ? ? ? ? ? Bitmap output = new Bitmap(pictureBox2.Image);
? ? ? ? ? ? sdf.Title = "保存";
? ? ? ? ? ? sdf.Filter = "Images (*.jpg)|*.jpg|Images (*.png)|*.png|Images (*.bmp)|*.bmp|Images (*.emf)|*.emf|Images (*.exif)|*.exif|Images (*.gif)|*.gif|Images (*.ico)|*.ico|Images (*.tiff)|*.tiff|Images (*.wmf)|*.wmf";
? ? ? ? ? ? if (sdf.ShowDialog() == DialogResult.OK)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? switch (sdf.FilterIndex)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? case 1:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Jpeg);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 2:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Png);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 3:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Bmp);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 4:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Emf);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 5:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Exif);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 6:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Gif);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 7:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Icon);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 8:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Tiff);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? case 9:
? ? ? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? ? ? output.Save(sdf.FileName, ImageFormat.Wmf);
? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
? ? ? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? MessageBox.Show("保存成功，位置：" + sdf.FileName);
? ? ? ? ? ? }
? ? ? ? }
? ? }
}
using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using OpenCvSharp;
using OpenCvSharp.Dnn;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.Drawing.Imaging;
using System.IO;
using System.Linq;
using System.Windows.Forms;
namespace ImageCaption
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
}
string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
string image_path = "";
string startupPath;
string classer_path;
DateTime dt1 = DateTime.Now;
DateTime dt2 = DateTime.Now;
string model_path;
Mat image;
Mat result_image;
SessionOptions options;
InferenceSession onnx_session;
Tensor<float> input_tensor;
List<NamedOnnxValue> input_container;
IDisposableReadOnlyCollection<DisposableNamedOnnxValue> result_infer;
DisposableNamedOnnxValue[] results_onnxvalue;
Tensor<Int64> result_tensors;
Net net;
int feat_len;
int D;
int inpWidth = 640;
int inpHeight = 640;
float[] mean = new float[] { 0.485f, 0.456f, 0.406f };
float[] std = new float[] { 0.229f, 0.224f, 0.225f };
Dictionary<string, string> ix_to_word = new Dictionary<string, string>();
private void button1_Click(object sender, EventArgs e)
{
OpenFileDialog ofd = new OpenFileDialog();
ofd.Filter = fileFilter;
if (ofd.ShowDialog() != DialogResult.OK) return;
pictureBox1.Image = null;
image_path = ofd.FileName;
pictureBox1.Image = new Bitmap(image_path);
textBox1.Text = "";
image = new Mat(image_path);
pictureBox2.Image = null;
}
private unsafe void button2_Click(object sender, EventArgs e)
{
if (image_path == "")
{
return;
}
button2.Enabled = false;
pictureBox2.Image = null;
textBox1.Text = "";
pictureBox2.Image = null;
Application.DoEvents();
//图片缩放
image = new Mat(image_path);
Mat temp_image = new Mat();
Cv2.Resize(image, temp_image, new OpenCvSharp.Size(inpWidth, inpHeight));
Normalize(temp_image);
Mat blob = CvDnn.BlobFromImage(temp_image);
//配置图片输入数据
net.SetInput(blob);
Mat result_mat = net.Forward();
float* ptr_feat = (float*)result_mat.Data;
for (int i = 0; i < 2048; i++)
{
input_tensor[0, i] = ptr_feat[i];
}
//将 input_tensor 放入一个输入参数的容器，并指定名称
input_container.Add(NamedOnnxValue.CreateFromTensor("fc_feats", input_tensor));
//运行 Inference 并获取结果
result_infer = onnx_session.Run(input_container);
// 将输出结果转为DisposableNamedOnnxValue数组
results_onnxvalue = result_infer.ToArray();
// 读取第一个节点输出并转为Tensor数据
result_tensors = results_onnxvalue[0].AsTensor<Int64>();
Int64[] result_array = result_tensors.ToArray();
string words = "";
for (int k = 0; k < D; k++)
{
if (result_array[k] > 0)
{
if (words.Length > 0)
{
words += " ";
}
words += ix_to_word[result_array[k].ToString()];
}
else
{
break;
}
}
result_image = image.Clone();
Cv2.PutText(result_image, words
, new OpenCvSharp.Point(10, 60)
, HersheyFonts.HersheySimplex
, 1
, new Scalar(0, 0, 255)
, 2
);
pictureBox2.Image = new Bitmap(result_image.ToMemoryStream());
textBox1.Text = words;
button2.Enabled = true;
}
public void Normalize(Mat src)
{
src.ConvertTo(src, MatType.CV_32FC3, 1.0 / 255);
Mat[] bgr = src.Split();
for (int i = 0; i < bgr.Length; ++i)
{
bgr[i].ConvertTo(bgr[i], MatType.CV_32FC1, 1 / std[i], (0.0 - mean[i]) / std[i]);
}
Cv2.Merge(bgr, src);
foreach (Mat channel in bgr)
{
channel.Dispose();
}
}
private void Form1_Load(object sender, EventArgs e)
{
startupPath = System.Windows.Forms.Application.StartupPath;
model_path = "model/decoder_fc_nsc.onnx";
// 创建输出会话，用于输出模型读取信息
options = new SessionOptions();
options.LogSeverityLevel = OrtLoggingLevel.ORT_LOGGING_LEVEL_INFO;
options.AppendExecutionProvider_CPU(0);// 设置为CPU上运行
// 创建推理模型类，读取本地模型文件
onnx_session = new InferenceSession(model_path, options);//model_path 为onnx模型文件的路径
// 输入Tensor
input_tensor = new DenseTensor<float>(new[] { 1, 2048 });
// 创建输入容器
input_container = new List<NamedOnnxValue>();
feat_len = 2048;
D = 20;
//初始化网络类，读取本地模型
net = CvDnn.ReadNetFromOnnx("model/encoder.onnx");
StreamReader sr = new StreamReader("model/vocab.txt");
string line;
while ((line = sr.ReadLine()) != null)
{
ix_to_word.Add(line.Split(':')[0], line.Split(':')[1]);
}
image_path = "test_img/1.jpg";
pictureBox1.Image = new Bitmap(image_path);
image = new Mat(image_path);
}
private void pictureBox1_DoubleClick(object sender, EventArgs e)
{
Common.ShowNormalImg(pictureBox1.Image);
}
private void pictureBox2_DoubleClick(object sender, EventArgs e)
{
Common.ShowNormalImg(pictureBox2.Image);
}
SaveFileDialog sdf = new SaveFileDialog();
private void button3_Click(object sender, EventArgs e)
{
if (pictureBox2.Image == null)
{
return;
}
Bitmap output = new Bitmap(pictureBox2.Image);
sdf.Title = "保存";
sdf.Filter = "Images (*.jpg)|*.jpg|Images (*.png)|*.png|Images (*.bmp)|*.bmp|Images (*.emf)|*.emf|Images (*.exif)|*.exif|Images (*.gif)|*.gif|Images (*.ico)|*.ico|Images (*.tiff)|*.tiff|Images (*.wmf)|*.wmf";
if (sdf.ShowDialog() == DialogResult.OK)
{
switch (sdf.FilterIndex)
{
case 1:
{
output.Save(sdf.FileName, ImageFormat.Jpeg);
break;
}
case 2:
{
output.Save(sdf.FileName, ImageFormat.Png);
break;
}
case 3:
{
output.Save(sdf.FileName, ImageFormat.Bmp);
break;
}
case 4:
{
output.Save(sdf.FileName, ImageFormat.Emf);
break;
}
case 5:
{
output.Save(sdf.FileName, ImageFormat.Exif);
break;
}
case 6:
{
output.Save(sdf.FileName, ImageFormat.Gif);
break;
}
case 7:
{
output.Save(sdf.FileName, ImageFormat.Icon);
break;
}
case 8:
{
output.Save(sdf.FileName, ImageFormat.Tiff);
break;
}
case 9:
{
output.Save(sdf.FileName, ImageFormat.Wmf);
break;
}
}
MessageBox.Show("保存成功，位置：" + sdf.FileName);
}
}
}
}
下载
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！