mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-12-24 13:28:13 +08:00
ec67f8ee6d
* 重构insightface代码 * 重写insightface example代码 * 重写insightface example代码 * 删除多余代码 * 修改预处理代码 * 修改文档 * 修改文档 * 恢复误删除的文件 * 修改cpp example * 修改cpp example * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 跑通python代码 * 修复重复初始化的bug * 更新adaface的python代码 * 修复c++重复初始化的问题 * 修复c++重复初始化的问题 * 修复Python重复初始化的问题 * 新增preprocess的几个参数的获取方式 * 修复注释的错误 * 按照要求修改 * 修改文档中的图片为图片压缩包 * 修改编译完成后程序的提示 * 更新错误include * 删除无用文件 * 更新文档
115 lines
5.1 KiB
Markdown
115 lines
5.1 KiB
Markdown
# InsightFace Python部署示例
|
||
本目录下提供infer_xxx.py快速完成InsighFace模型包括ArcFace\CosFace\VPL\Partial_FC在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。
|
||
|
||
在部署前，需确认以下两个步骤
|
||
|
||
- 1. 软硬件环境满足要求，参考[FastDeploy环境要求](../../../../../docs/cn/build_and_install/download_prebuilt_libraries.md)
|
||
- 2. FastDeploy Python whl包安装，参考[FastDeploy Python安装](../../../../../docs/cn/build_and_install/download_prebuilt_libraries.md)
|
||
|
||
以ArcFace为例子, 提供`infer_arcface.py`快速完成ArcFace在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。执行如下脚本即可完成
|
||
|
||
```bash
|
||
#下载部署示例代码
|
||
git clone https://github.com/PaddlePaddle/FastDeploy.git
|
||
cd examples/vision/faceid/insightface/python/
|
||
|
||
#下载ArcFace模型文件和测试图片
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/ms1mv3_arcface_r100.onnx
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/rknpu2/face_demo.zip
|
||
unzip face_demo.zip
|
||
|
||
# CPU推理
|
||
python infer_arcface.py --model ms1mv3_arcface_r100.onnx \
|
||
--face face_0.jpg \
|
||
--face_positive face_1.jpg \
|
||
--face_negative face_2.jpg \
|
||
--device cpu
|
||
# GPU推理
|
||
python infer_arcface.py --model ms1mv3_arcface_r100.onnx \
|
||
--face face_0.jpg \
|
||
--face_positive face_1.jpg \
|
||
--face_negative face_2.jpg \
|
||
--device gpu
|
||
# GPU上使用TensorRT推理
|
||
python infer_arcface.py --model ms1mv3_arcface_r100.onnx \
|
||
--face face_0.jpg \
|
||
--face_positive face_1.jpg \
|
||
--face_negative face_2.jpg \
|
||
--device gpu \
|
||
--use_trt True
|
||
```
|
||
|
||
运行完成可视化结果如下图所示
|
||
|
||
<div width="700">
|
||
<img width="220" float="left" src="https://user-images.githubusercontent.com/67993288/184321537-860bf857-0101-4e92-a74c-48e8658d838c.JPG">
|
||
<img width="220" float="left" src="https://user-images.githubusercontent.com/67993288/184322004-a551e6e4-6f47-454e-95d6-f8ba2f47b516.JPG">
|
||
<img width="220" float="left" src="https://user-images.githubusercontent.com/67993288/184321622-d9a494c3-72f3-47f1-97c5-8a2372de491f.JPG">
|
||
</div>
|
||
|
||
```bash
|
||
Prediction Done!
|
||
--- [Face 0]:FaceRecognitionResult: [Dim(512), Min(-2.309220), Max(2.372197), Mean(0.016987)]
|
||
--- [Face 1]:FaceRecognitionResult: [Dim(512), Min(-2.288258), Max(1.995104), Mean(-0.003400)]
|
||
--- [Face 2]:FaceRecognitionResult: [Dim(512), Min(-3.243411), Max(3.875866), Mean(-0.030682)]
|
||
Detect Done! Cosine 01: 0.814385, Cosine 02:-0.059388
|
||
|
||
```
|
||
|
||
## InsightFace Python接口
|
||
|
||
```python
|
||
fastdeploy.vision.faceid.ArcFace(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
|
||
fastdeploy.vision.faceid.CosFace(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
|
||
fastdeploy.vision.faceid.PartialFC(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
|
||
fastdeploy.vision.faceid.VPL(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
|
||
```
|
||
|
||
ArcFace模型加载和初始化，其中model_file为导出的ONNX模型格式
|
||
|
||
**参数**
|
||
|
||
> * **model_file**(str): 模型文件路径
|
||
> * **params_file**(str): 参数文件路径，当模型格式为ONNX格式时，此参数无需设定
|
||
> * **runtime_option**(RuntimeOption): 后端推理配置，默认为None，即采用默认配置
|
||
> * **model_format**(ModelFormat): 模型格式，默认为ONNX
|
||
|
||
### predict函数
|
||
|
||
> ```python
|
||
> ArcFace.predict(image_data)
|
||
> ```
|
||
>
|
||
> 模型预测结口，输入图像直接输出检测结果。
|
||
>
|
||
> **参数**
|
||
>
|
||
> > * **image_data**(np.ndarray): 输入数据，注意需为HWC，BGR格式
|
||
|
||
> **返回**
|
||
>
|
||
> > 返回`fastdeploy.vision.FaceRecognitionResult`结构体，结构体说明参考文档[视觉模型预测结果](../../../../../docs/api/vision_results/)
|
||
|
||
### 类成员属性
|
||
#### 预处理参数
|
||
用户可按照自己的实际需求，修改下列预处理参数，从而影响最终的推理和部署效果
|
||
|
||
#### AdaFacePreprocessor的成员变量
|
||
以下变量为AdaFacePreprocessor的成员变量
|
||
> > * **size**(list[int]): 通过此参数修改预处理过程中resize的大小，包含两个整型元素，表示[width, height], 默认值为[112, 112]
|
||
> > * **alpha**(list[float]): 预处理归一化的alpha值，计算公式为`x'=x*alpha+beta`，alpha默认为[1. / 127.5, 1.f / 127.5, 1. / 127.5]
|
||
> > * **beta**(list[float]): 预处理归一化的beta值，计算公式为`x'=x*alpha+beta`，beta默认为[-1.f, -1.f, -1.f]
|
||
> > * **swap_rb**(bool): 预处理是否将BGR转换成RGB，默认True
|
||
|
||
#### AdaFacePostprocessor的成员变量
|
||
以下变量为AdaFacePostprocessor的成员变量
|
||
> > * **l2_normalize**(bool): 输出人脸向量之前是否执行l2归一化，默认False
|
||
|
||
|
||
## 其它文档
|
||
|
||
- [InsightFace 模型介绍](..)
|
||
- [InsightFace C++部署](../cpp)
|
||
- [模型预测结果说明](../../../../../docs/api/vision_results/)
|
||
- [如何切换模型推理后端引擎](../../../../../docs/cn/faq/how_to_change_backend.md)
|