C# OnnxRuntime 部署 DINOv3 密集特征可视化

天天代码码天天
0 阅读2分钟

说明

官网地址：github.com/facebookres…

效果

图片

模型信息

Model Properties
-------------------------
---------------------------------------------------------------

Inputs
-------------------------
name：input
tensor：Float[-1, 3, -1, -1]
---------------------------------------------------------------

Outputs
-------------------------
name：patch_tokens
tensor：Float[-1, -1, 1024]
---------------------------------------------------------------

项目

图片

代码

using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using OpenCvSharp;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.Drawing.Imaging;
using System.Linq;
using System.Security.Cryptography;
using System.Windows.Forms;

namespace Onnx_Demo
{
    public partial class Form1 : Form
    {
        //配置
        private readonly string modelPath = "model/dinov3_vitl16.onnx";
        private const int InputSize = 768;          // 必须与导出时一致
        private const int PatchSize = 16;
        private int GridSize => InputSize / PatchSize;   // 48
        private const int FeatureDim = 1024;        // ViT-Large

        private InferenceSession onnxSession;
        private float[,] patchFeatures;             // [NumPatches, FeatureDim]
        private Mat originalImage;                  // 原始图像 (BGR)
        private bool featuresReady = false;

        public Form1()
        {
            InitializeComponent();
            InitializeModel();
            AttachEvents();
        }

        private void Form1_Load(object sender, EventArgs e)
        {
            string imagePath = "test_img/1.jpg";
            originalImage = Cv2.ImRead(imagePath, ImreadModes.Color);
            pictureBox1.Image = Image.FromFile(imagePath);
        }

        private void InitializeModel()
        {
            try
            {
                var opts = new SessionOptions();
                opts.LogSeverityLevel = OrtLoggingLevel.ORT_LOGGING_LEVEL_WARNING;
                opts.AppendExecutionProvider_CPU(0);
                onnxSession = new InferenceSession(modelPath, opts);
                LogMessage($"模型加载成功: {modelPath}");
            }
            catch (Exception ex)
            {
                LogMessage($"模型加载失败: {ex.Message}");
                MessageBox.Show("请确保 dinov3_vitl16.onnx 文件存在。", "错误", MessageBoxButtons.OK, MessageBoxIcon.Error);
            }
        }

        private void AttachEvents()
        {
            // pictureBox1 单击事件（选点）
            this.pictureBox1.MouseClick += PictureBox1_MouseClick;
        }

        private void LogMessage(string msg)
        {
            if (textBox1.InvokeRequired)
                textBox1.Invoke(new Action(() => textBox1.AppendText($"{DateTime.Now:HH:mm:ss} - {msg}\r\n")));
            else
                textBox1.AppendText($"{DateTime.Now:HH:mm:ss} - {msg}\r\n");
        }

        private void button1_Click(object sender, EventArgs e)
        {
            using (OpenFileDialog ofd = new OpenFileDialog())
            {
                ofd.Filter = "图像文件|*.bmp;*.jpg;*.jpeg;*.png";
                if (ofd.ShowDialog() == DialogResult.OK)
                {
                    string imagePath = ofd.FileName;
                    originalImage = Cv2.ImRead(imagePath, ImreadModes.Color);
                    pictureBox1.Image = Image.FromFile(imagePath);
                    featuresReady = false;
                    pictureBox2.Image = null;
                    LogMessage($"已加载图片: {imagePath}");
                }
            }
        }

        private void button2_Click(object sender, EventArgs e)
        {
            if (originalImage == null)
            {
                MessageBox.Show("请先打开图片。", "提示", MessageBoxButtons.OK, MessageBoxIcon.Warning);
                return;
            }
            if (onnxSession == null)
            {
                MessageBox.Show("模型未正确加载。", "错误", MessageBoxButtons.OK, MessageBoxIcon.Error);
                return;
            }

            button2.Enabled = false;
            pictureBox2.Image = null;
            LogMessage("开始提取特征...");
            Application.DoEvents();

            try
            {
                // 预处理
                var inputTensor = Preprocess(originalImage);
                var inputs = new List<NamedOnnxValue>
                {
                    NamedOnnxValue.CreateFromTensor("input", inputTensor)
                };

                DateTime start = DateTime.Now;
                using (var results = onnxSession.Run(inputs))
                {
                    DateTime end = DateTime.Now;
                    var output = results.First(o => o.Name == "patch_tokens");
                    var tensor = output.AsTensor<float>();
                    int[] dims = tensor.Dimensions.ToArray(); // [1, N, D]
                    int numPatches = dims[1];
                    int actualDim = dims[2];

                    if (numPatches != GridSize * GridSize)
                        throw new Exception($"Patch数量错误: 预期 {GridSize * GridSize}, 实际 {numPatches}");
                    if (actualDim != FeatureDim)
                        LogMessage($"特征维度 {actualDim} (预期 {FeatureDim})，继续...");

                    float[] flat = tensor.ToArray();
                    patchFeatures = new float[numPatches, actualDim];
                    for (int i = 0; i < numPatches; i++)
                        for (int j = 0; j < actualDim; j++)
                            patchFeatures[i, j] = flat[i * actualDim + j];

                    featuresReady = true;
                    LogMessage($"特征提取完成，耗时 {(end - start).TotalMilliseconds:F2} ms，Patch数: {numPatches}，维度: {actualDim}");
                    MessageBox.Show("特征已就绪，请在左侧图片上单击选择查询点。", "提示", MessageBoxButtons.OK, MessageBoxIcon.Information);
                }
            }
            catch (Exception ex)
            {
                LogMessage($"特征提取失败: {ex.Message}");
                MessageBox.Show($"推理错误: {ex.Message}", "错误", MessageBoxButtons.OK, MessageBoxIcon.Error);
            }
            finally
            {
                button2.Enabled = true;
            }
        }

        // ========== pictureBox1 单击选点 ==========
        private void PictureBox1_MouseClick(object sender, MouseEventArgs e)
        {
            if (!featuresReady || patchFeatures == null)
            {
                MessageBox.Show("请先点击“提取特征”按钮。", "提示", MessageBoxButtons.OK, MessageBoxIcon.Information);
                return;
            }
            if (originalImage == null) return;

            // 获取点击位置相对于 pictureBox1 的坐标 (像素)
            int clickX = e.X;
            int clickY = e.Y;

            // 获取 pictureBox1 中实际图像区域的尺寸（考虑 SizeMode）
            Rectangle imgRect = GetImageRectangle(pictureBox1);
            if (!imgRect.Contains(clickX, clickY))
            {
                LogMessage("点击位置不在图像区域内。");
                return;
            }

            // 将点击坐标映射到原图尺寸
            float scaleX = (float)originalImage.Width / imgRect.Width;
            float scaleY = (float)originalImage.Height / imgRect.Height;
            int origX = (int)((clickX - imgRect.X) * scaleX);
            int origY = (int)((clickY - imgRect.Y) * scaleY);
            origX = Math.Max(0, Math.Min(origX, originalImage.Width - 1));
            origY = Math.Max(0, Math.Min(origY, originalImage.Height - 1));

            // 根据原图坐标计算对应的 patch 索引
            // 注意：模型输入是 768x768 的正方形，原图会被缩放至该尺寸，因此坐标需要转换到 768 空间
            float modelX = origX * (float)InputSize / originalImage.Width;
            float modelY = origY * (float)InputSize / originalImage.Height;
            int patchCol = (int)(modelX / PatchSize);
            int patchRow = (int)(modelY / PatchSize);
            patchCol = Math.Min(patchCol, GridSize - 1);
            patchRow = Math.Min(patchRow, GridSize - 1);
            int targetIdx = patchRow * GridSize + patchCol;

            LogMessage($"单击位置: 原图({origX},{origY}) -> patch ({patchRow},{patchCol}) 索引 {targetIdx}");

            // 计算相似度热力图
            float[,] simMap = ComputeSimilarityMap(patchFeatures, targetIdx, GridSize);

            // 生成热力图并显示在 pictureBox2 中
            Bitmap heatmap = GenerateHeatmap(simMap, originalImage.Width, originalImage.Height);
            pictureBox2.Image = heatmap;

            // 可选：在原图上绘制红点并刷新 pictureBox1
            Image markedImage = DrawMarkerOnImage(originalImage, new OpenCvSharp.Point(origX, origY));
            pictureBox1.Image = markedImage;
        }

        // ========== 辅助函数 ==========
        private DenseTensor<float> Preprocess(Mat bgrImage)
        {
            // BGR -> RGB, resize to InputSize x InputSize
            Mat rgb = new Mat();
            Cv2.CvtColor(bgrImage, rgb, ColorConversionCodes.BGR2RGB);
            Mat resized = new Mat();
            Cv2.Resize(rgb, resized, new OpenCvSharp.Size(InputSize, InputSize));

            // 归一化至 [0,1] 并减去均值除以标准差
            resized.ConvertTo(resized, MatType.CV_32FC3, 1.0 / 255.0);
            float[] mean = { 0.485f, 0.456f, 0.406f };
            float[] std = { 0.229f, 0.224f, 0.225f };

            int h = InputSize, w = InputSize;
            float[] inputData = new float[3 * h * w];
            for (int y = 0; y < h; y++)
            {
                for (int x = 0; x < w; x++)
                {
                    Vec3f pixel = resized.At<Vec3f>(y, x); // R,G,B
                    inputData[0 * h * w + y * w + x] = (pixel.Item0 - mean[0]) / std[0];
                    inputData[1 * h * w + y * w + x] = (pixel.Item1 - mean[1]) / std[1];
                    inputData[2 * h * w + y * w + x] = (pixel.Item2 - mean[2]) / std[2];
                }
            }
            resized.Dispose();
            rgb.Dispose();

            return new DenseTensor<float>(inputData, new[] { 1, 3, h, w });
        }

        private float[,] ComputeSimilarityMap(float[,] feats, int targetIdx, int gridSize)
        {
            int numPatches = feats.GetLength(0);
            int dim = feats.GetLength(1);
            float[,] sim = new float[gridSize, gridSize];

            // 目标向量
            float[] target = new float[dim];
            for (int j = 0; j < dim; j++) target[j] = feats[targetIdx, j];
            float targetNorm = (float)Math.Sqrt(target.Sum(v => v * v));

            const float eps = 1e-8f;
            for (int idx = 0; idx < numPatches; idx++)
            {
                float[] curr = new float[dim];
                for (int j = 0; j < dim; j++) curr[j] = feats[idx, j];
                float currNorm = (float)Math.Sqrt(curr.Sum(v => v * v));
                float dot = 0;
                for (int j = 0; j < dim; j++) dot += curr[j] * target[j];
                float cos = dot / (currNorm * targetNorm + eps);
                int row = idx / gridSize;
                int col = idx % gridSize;
                sim[row, col] = cos;
            }
            return sim;
        }

        private Bitmap GenerateHeatmap(float[,] simMap, int outW, int outH)
        {
            int g = GridSize;
            // 双线性插值上采样
            float[,] upsampled = BilinearUpsample(simMap, outH, outW);
            var colors = GetViridisColormap();
            Bitmap bmp = new Bitmap(outW, outH);
            for (int y = 0; y < outH; y++)
            {
                for (int x = 0; x < outW; x++)
                {
                    float val = upsampled[y, x];
                    int idx = (int)(val * 255);
                    idx = Math.Max(0, Math.Min(255, idx));
                    bmp.SetPixel(x, y, colors[idx]);
                }
            }
            return bmp;
        }

        private float[,] BilinearUpsample(float[,] src, int newH, int newW)
        {
            int srcH = src.GetLength(0);
            int srcW = src.GetLength(1);
            float[,] dst = new float[newH, newW];
            float scaleX = (float)(srcW - 1) / newW;
            float scaleY = (float)(srcH - 1) / newH;

            for (int y = 0; y < newH; y++)
            {
                float fy = y * scaleY;
                int y0 = (int)Math.Floor(fy);
                int y1 = Math.Min(y0 + 1, srcH - 1);
                float dy = fy - y0;
                for (int x = 0; x < newW; x++)
                {
                    float fx = x * scaleX;
                    int x0 = (int)Math.Floor(fx);
                    int x1 = Math.Min(x0 + 1, srcW - 1);
                    float dx = fx - x0;
                    float v00 = src[y0, x0];
                    float v01 = src[y0, x1];
                    float v10 = src[y1, x0];
                    float v11 = src[y1, x1];
                    float v0 = v00 * (1 - dx) + v01 * dx;
                    float v1 = v10 * (1 - dx) + v11 * dx;
                    dst[y, x] = v0 * (1 - dy) + v1 * dy;
                }
            }
            return dst;
        }

        private Color[] GetViridisColormap()
        {
            Mat cm = new Mat(1, 256, MatType.CV_8UC3);
            for (int i = 0; i < 256; i++)
                cm.Set<Vec3b>(0, i, new Vec3b((byte)i, (byte)i, (byte)i));
            Cv2.ApplyColorMap(cm, cm, ColormapTypes.Viridis);
            Color[] colors = new Color[256];
            for (int i = 0; i < 256; i++)
            {
                Vec3b bgr = cm.At<Vec3b>(0, i);
                colors[i] = Color.FromArgb(bgr.Item2, bgr.Item1, bgr.Item0);
            }
            cm.Dispose();
            return colors;
        }

        private Image DrawMarkerOnImage(Mat bgrImg, OpenCvSharp.Point pixel)
        {
            Mat marked = bgrImg.Clone();
            Cv2.Circle(marked, new OpenCvSharp.Point(pixel.X, pixel.Y), 8, new Scalar(0, 0, 255), -1);
            return new Bitmap(marked.ToMemoryStream());
        }

        private Rectangle GetImageRectangle(PictureBox picBox)
        {
            if (picBox.Image == null) return Rectangle.Empty;
            PictureBoxSizeMode mode = picBox.SizeMode;
            int imgW = picBox.Image.Width;
            int imgH = picBox.Image.Height;
            int ctrlW = picBox.Width;
            int ctrlH = picBox.Height;

            if (mode == PictureBoxSizeMode.Zoom)
            {
                float scale = Math.Min((float)ctrlW / imgW, (float)ctrlH / imgH);
                int drawW = (int)(imgW * scale);
                int drawH = (int)(imgH * scale);
                int x = (ctrlW - drawW) / 2;
                int y = (ctrlH - drawH) / 2;
                return new Rectangle(x, y, drawW, drawH);
            }
            elseif (mode == PictureBoxSizeMode.Normal || mode == PictureBoxSizeMode.AutoSize)
            {
                return new Rectangle(0, 0, imgW, imgH);
            }
            else // StretchImage
            {
                return new Rectangle(0, 0, ctrlW, ctrlH);
            }
        }

        private void button3_Click(object sender, EventArgs e)
        {
            if (pictureBox2.Image == null)
            {
                MessageBox.Show("请先进行推理！", "提示", MessageBoxButtons.OK, MessageBoxIcon.Information);
                return;
            }

            SaveFileDialog sfd = new SaveFileDialog();
            sfd.Title = "保存图像";
            sfd.Filter = "PNG图片 (*.png)|*.png|JPEG图片 (*.jpg)|*.jpg|BMP图片 (*.bmp)|*.bmp";
            sfd.FilterIndex = 1;
            if (sfd.ShowDialog() == DialogResult.OK)
            {
                string ext = System.IO.Path.GetExtension(sfd.FileName).ToLower();
                ImageFormat format = ImageFormat.Png;
                if (ext == ".jpg" || ext == ".jpeg")
                    format = ImageFormat.Jpeg;
                elseif (ext == ".bmp")
                    format = ImageFormat.Bmp;

                using (var stream = pictureBox2.Image)
                using (var bitmap = new Bitmap(stream))
                {
                    bitmap.Save(sfd.FileName, format);
                }
                MessageBox.Show($"保存成功！\n位置: {sfd.FileName}", "完成", MessageBoxButtons.OK, MessageBoxIcon.Information);
            }
        }
    }
}
avatar
文章
阅读
粉丝