【前言】

RT-DETR是由百度近期推出的DETR-liked目标检测器，该检测器由HGNetv2、混合编码器和带有辅助预测头的Transformer编码器组成，整体结构如下所示。

本文将采用RT-DETR两种不同风格的onnx格式，使用onnxruntime20行代码，无需nms操作即可实现简易部署推理.

一、原生onnx+ort推理方式

使用以下命令抽取出模型配置文件和模型参数文件：

python tools/export_model.py -c configs/rtdetr/rtdetr_hgnetv2_l_6x_coco.yml -o weights=https://bj.bcebos.com/v1/paddledet/models/rtdetr_hgnetv2_l_6x_coco.pdparams trt=True --output_dir=output_inference  

转化模型为onnx形式：

paddle2onnx --model_dir=./output_inference/rtdetr_hgnetv2_l_6x_coco/ --model_filename model.pdmodel  --params_filename model.pdiparams --opset_version 16 --save_file rtdetr_hgnetv2_l_6x_coco.onnx  

抽取后的onnx可视化如下：

可以看到，除了图像的输入，还有另外两个输入头，其中，im_shape指原输入图像的尺寸，scale_factor指静态图尺度/原输入图像尺度，其实就是缩放的系数。我们将batch_size固定为1，裁减掉不需要使用到的算子：

python -m paddle2onnx.optimize --input_model rtdetr_hgnetv2_l_6x_coco.onnx --output_model rtdetr_hgnetv2_l_6x_coco_sim.onnx --input_shape_dict "{'image':[1,3,640,640]}  

使用简化后的onnx模型进行推理：

import onnxruntime as rt  
import cv2  
import numpy as np  
  
sess = rt.InferenceSession("/home/aistudio/PaddleDetection/rtdetr_hgnetv2_l_6x_coco_sim.onnx")  
img = cv2.imread("../000283.jpg")  
org_img = img  
im_shape = np.array([[float(img.shape[0]), float(img.shape[1])]]).astype('float32')  
img = cv2.resize(img, (640,640))  
scale_factor = np.array([[float(640/img.shape[0]), float(640/img.shape[1])]]).astype('float32')  
img = img.astype(np.float32) / 255.0  
input_img = np.transpose(img, [2, 0, 1])  
image = input_img[np.newaxis, :, :, :]  
result = sess.run(["reshape2_83.tmp_0","tile_3.tmp_0"], {'im_shape': im_shape, 'image': image, 'scale_factor': scale_factor})  
for value in result[0]:  
    if value[1] > 0.5:  
        cv2.rectangle(org_img, (int(value[2]), int(value[3])), (int(value[4]), int(value[5])), (255,0,0), 2)  
        cv2.putText(org_img, str(int(value[0]))+": "+str(value[1]), (int(value[2]), int(value[3])), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255), 1)  
cv2.imwrite("../result.png", org_img)  

推理结果：

二、野生onnx+ort推理方式

其实通过官方onnx模型的格式可以看出，官方已经将所有后处理步骤写入到模型中，此时不需要额外添加后处理代码，是一种比较省心的方式。但对于有强迫症的笔者而言，对于三个输入头的模型实在是看着别扭，因此我更偏向于下面的这种推理方式。同样是抽取官方模型，但此时我们将后处理的所有操作全部摘除，只保留原模型参数：将模型的exclude_post_process设置为True，然后使用同样的代码进行转化：

python tools/export_model.py -c configs/rtdetr/rtdetr_hgnetv2_l_6x_coco.yml -o weights=https://bj.bcebos.com/v1/paddledet/models/rtdetr_hgnetv2_l_6x_coco.pdparams trt=True --output_dir=output_inference_sim  

将转化后的pdmodel进行可视化：

左边为未摘除后处理的pdmodel，右边为摘除后的pdmodel，以分类支路为例，我们可以看到，分类支路从Sigmoid开始，已经Sigmoid和后面的Children Node摘除干净，那么可以转化为onnx文件，步骤与上面一致。

使用转化后的onnx文件进行推理：

import onnxruntime as rt  
import cv2  
import numpy as np  
  
sess = rt.InferenceSession("rtdetr_hgnetv2_l_6x_coco_sim2.onnx")  
img = cv2.imread("../000283.jpg")  
img = cv2.resize(img, (640,640))  
image = img.astype(np.float32) / 255.0  
input_img = np.transpose(image, [2, 0, 1])  
image = input_img[np.newaxis, :, :, :]  
results = sess.run(['scores',  'boxes'], {'image': image})  
scores, boxes = [o[0] for o in results]  
index = scores.max(-1)  
boxes, scores = boxes[index>0.5] * 640, scores[index>0.5]  
labels = scores.argmax(-1)  
scores = scores.max(-1)  
for box, score, label in zip(boxes, scores, labels):  
    cx, cy, w, h = int(box[0]), int(box[1]), int(box[2]), int(box[3])  
    cv2.rectangle(img, (cx-int(w/2), cy-int(h/2)), (cx+int(w/2), cy+int(h/2)), (0, 255, 255), 2)  
    cv2.putText(img, f'{label} : {score:.2f}', (cx-int(w/2), cy-int(h/2)-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 255), 1)  
cv2.imwrite('../result.jpg', img)  

推理结果：

【结尾】

本文介绍了RT-DETR两种风格的onnx格式和推理方式，不管哪种风格，精度无任何差别，至于是使用哪款，纯凭个人爱好，下一期会出一篇CNN-liked代表YOLOv8和DETR-liked代表RT-DETR在C++部署上的性能差异，在本文结尾先附上本文使用的两个onnx模型。

链接：https://pan.baidu.com/s/1AkG3uvILNQhQXeE7z8rYQw ，提取码：pogg

链接：https://pan.baidu.com/s/193Yt99CspP8vZ6ynWOl-ag ，提取码：pogg

参考链接：

https://github.com/PaddlePaddle/PaddleDetection/tree/develop/configs/rtdetr https://aistudio.baidu.com/aistudio/projectdetail/6000200?channelType=0&channel=0 https://zhuanlan.zhihu.com/p/622940435