GroundingDINO（一种开集目标检测算法）服务化，根据文本生成检测框

背景

最近发现一个叫GroundingDINO的开集目标检测算法，所谓开集目标检测就是能检测的目标类别不局限于训练的类别，这个算法可以通过输入文本的prompt然后输出对应的目标框。可以用来做预标注或者其他应用，比如我们要训练某个细分场景的算法时，我们找不到足够的已经标注的数据，就可以先用这个算法预打标, 与SAM结合，还能做根据text去分割出物体。
GroundingDINO：https://github.com/IDEA-Research/GroundingDINO

将GroundingDINO服务化

为什么要服务化

原始的项目是一个python脚本，不适合单人使用，而不是和团队一起使用。服务化之后，其他人可以通过http请求的方式来访问，而不需要每个人都搭建环境，也便于批量处理数据。

如何服务化

最简单的是通过flask api把python脚本包装一层，这种方式实现简单，但扩展性不够，比如如果想要动态组batch，就需要自己写这部分逻辑。更好的方式是使用成熟的模型推理服务，TorchServe就是其中的一种，比较适合pytorch模型（其实其他格式比如onnx也可以），使用TorchServe，我们只用写好模型的预处理、推理和后处理逻辑，其他的比如实例扩展、动态batch、资源监控这些都不需要我们自己实现。我们有其他模型，也可以用同样的方式服务起来，而不需要为每个模型都写一个服务。因此本文选择TorchServe来作为模型的推理服务。

过程

克隆文末的项目后按顺序执行下面步骤：

1.下载模型

新建一个weights目录，并把下面的模型放入：

wget -q https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth 

新建一个bert-base-uncased 目录，下载bert模型：
https://huggingface.co/bert-base-uncased/tree/main

config.json pytorch_model.bin tokenizer_config.json tokenizer.json vocab.txt 

2.制作torchserve镜像

Dockerfile:

FROM pytorch/pytorch:2.0.1-cuda11.7-cudnn8-devel ARG DEBIAN_FRONTEND=noninteractive  #for Chinese User, uncomment this line # COPY sources.list /etc/apt/sources.list  RUN apt update &&       apt install openjdk-17-jdk -y  RUN apt install git -y  #install python packages COPY requirements.txt /root/ RUN pip install -r /root/requirements.txt --no-cache -i https://repo.huaweicloud.com/repository/pypi/simple/ 

docker build -t torchserve:groundingdino . 

3.转换模型

docker run --rm -it -v $(pwd):/data -w /data torchserve:groundingdino bash -c "torch-model-archiver --model-name groundingdino --version 1.0 --serialized-file weights/groundingdino_swint_ogc.pth --handler grounding_dino_handler.py --extra-files GroundingDINO_SwinT_OGC.py,bert-base-uncased/*" 

执行完毕后，将得到一个groundingdino.mar文件。

4.开启服务

根据需要修改服务的配置

docker run -d --name groundingdino -v $(pwd)/model_store:/model_store -p 8080:8080 -p 8081:8081 -p 8082:8082 torchserve:groundingdino bash -c "torchserve --start --foreground --model-store /model_store --models groundingdino=groundingdino.mar" 

5.调用服务

import requests import base64 import time # URL for the web service url = "http://ip:8080/predictions/groundingdino" headers = {"Content-Type": "application/json"}  # Input data with open("test.jpg", "rb") as f:     image = f.read()  data = {         "image": base64.b64encode(image).decode("utf-8"), # base64 encoded image or BytesIO         "caption": "steel pipe", # text prompt, split by "." for multiple phrases         "box_threshold": 0.25, # threshold for object detection         "caption_threshold": 0.25 # threshold for text similarity         }  # Make the request and display the response  resp = requests.post(url=url, headers=headers, json=data) outputs = resp.json() ''' the outputs will be like:     {         "boxes": [[0.0, 0.0, 1.0, 1.0]], # list of bounding boxes in xyxy format         "scores": [0.9999998807907104], # list of object detection scores         "phrases": ["steel pipe"] # list of text phrases     }  ''' 

完整项目：GroundingDINO-Service