如何将额外的参数传递给 Vision 框架？

Question

我有一个运行良好的 Swift / CoreML 代码。我想通过使用 Vision 框架来简化我的代码。 在这段代码中，有一个我想去掉的 UIImage -> CGImage -> CVPixelBuffer 转换。我知道使用 Vision 可以直接将 CGImage 作为输入参数传递。我遇到的问题是我的模型需要 2 个输入（图像 + MLMultiArray）和输出和图像：

Inputs

    my_input : Image (Color 512 x 512)
    my_sigma : MultiArray (Float32 1)

Outputs

    my_output : Image (Color 512 x 512)

我尝试按如下方式传递 sigma 参数：

guard let cgImage = uiImage.cgImage else {
    return nil
}

let options:[VNImageOption: Any] = [VNImageOption(rawValue: "my_sigma"): 0.1]

let handler = VNImageRequestHandler(cgImage: cgImage, options: options)
do {
    try handler.perform(visionRequest)
} catch {
    print(error)
}

这样做，我得到以下错误：

[coreml] 验证输入失败。没有结果：Error Domain=com.apple.vis Code=3 "The VNCoreMLTransform request failed" UserInfo={NSLocalizedDescription=The VNCoreMLTransform request failed, NSUnderlyingError=0x280cbbab0 {Error Domain=com.apple.CoreML Code=0 "Required input feature not传递给神经网络。”

所以，看来我没有正确地将第二个参数传递给请求处理程序。我一直没能找到答案。

• 将此类参数传递给 Vision 的正确方法是什么？
• 你知道我是否可以使用 Vision 直接输出图像吗？

感谢您的帮助。

Answer 1

我在下面提供的代码似乎工作正常。它可能不是最佳的，但至少它可以工作，这是一个很好的第一步。主要的困难是理解MLFeatureProvider 的工作原理：

class SigmaProvider: MLFeatureProvider {

    let sigma: Double

    init(sigma: Double) {
        self.sigma = sigma
    }

    var featureNames: Set<String> {
        get {
            return ["my_sigma"]
        }
    }

    func featureValue(for featureName: String) -> MLFeatureValue? {
        if (featureName == "my_sigma") {
            let array = try! MLMultiArray(shape: [1], dataType: .float32)
            array[0] = NSNumber(value: self.sigma)
            return MLFeatureValue(multiArray: array)
        }
        return nil
    }
}

该类定义了一个名为my_sigma 的输入，其类型为MLMultiArray。下面是将 CoreML 模型（名为 model）应用于输入 UIImage 的代码：

// Input CGImage
guard let cgImage = uiImage.cgImage else {
    return nil
}

// Load and setup the Vision model
guard let visionModel = try? VNCoreMLModel(for: model.model) else {
    fatalError("Cannot load Vision ML model")
}
visionModel.inputImageFeatureName = "my_input"
visionModel.featureProvider = SigmaProvider(sigma: self.sigma)

// Create the request
let request = VNCoreMLRequest(model: visionModel)
request.usesCPUOnly = false

// Handler
let handler = VNImageRequestHandler(cgImage: cgImage)

// Process
do {
    try handler.perform([request])
}
catch {
    print("Error while performing Vision request: \(error)")
    return nil
}

// Get the result
guard let results = request.results else {
    print("No request results")
    return nil
}

// Convert the resulting CVPixelBuffer into a UIImage
for case let resultingImage as VNPixelBufferObservation in results {
    if resultingImage.featureName == "my_output" {
        let ciOutput = CIImage(cvPixelBuffer: resultingImage.pixelBuffer)
        UIGraphicsBeginImageContextWithOptions(uiImage.size, true, 1.0)
        UIImage(ciImage: ciOutput).draw(at: CGPoint(x: 0, y: 0))
        let output = UIGraphicsGetImageFromCurrentImageContext()
        UIGraphicsEndImageContext()
        return output
    }
}

请注意，SigmaProvider 类中不需要我的模型的第一个参数my_input。它是使用inputImageFeatureName 属性指定的。最后，我通过遍历所有结果来访问my_output。

我希望这会对某人有所帮助。

Answer 2

查看VNCoreMLRequest 的featureProvider 属性。这是一个提供额外输入的对象，即除了图像输入之外的任何内容。