mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-11 03:20:20 +08:00
c681aaacba
* Imporve OCR Readme * Improve OCR Readme * Improve OCR Readme * Improve OCR Readme * Improve OCR Readme * Add Initialize function to PP-OCR * Add Initialize function to PP-OCR * Add Initialize function to PP-OCR * Make all the model links come from PaddleOCR * Improve OCR readme * Improve OCR readme * Improve OCR readme * Improve OCR readme Co-authored-by: Jason <jiangjiajun@baidu.com>
视觉模型部署
本目录下提供了各类视觉模型的部署，主要涵盖以下任务类型
| 任务类型 | 说明 | 预测结果结构体 |
|---|---|---|
| Detection | 目标检测，输入图像，检测图像中物体位置，并返回检测框坐标及类别和置信度 | DetectionResult |
| Segmentation | 语义分割，输入图像，给出图像中每个像素的分类及置信度 | SegmentationResult |
| Classification | 图像分类，输入图像，给出图像的分类结果和置信度 | ClassifyResult |
| FaceDetection | 人脸检测，输入图像，检测图像中人脸位置，并返回检测框坐标及人脸关键点 | FaceDetectionResult |
| FaceRecognition | 人脸识别，输入图像，返回可用于相似度计算的人脸特征的embedding | FaceRecognitionResult |
| Matting | 抠图，输入图像，返回图片的前景每个像素点的Alpha值 | MattingResult |
| OCR | 文本框检测，分类，文本框内容识别，输入图像，返回文本框坐标，文本框的方向类别以及框内的文本内容 | OCRResult |
FastDeploy API设计
视觉模型具有较有统一任务范式，在设计API时（包括C++/Python），FastDeploy将视觉模型的部署拆分为四个步骤
- 模型加载
- 图像预处理
- 模型推理
- 推理结果后处理
FastDeploy针对飞桨的视觉套件，以及外部热门模型，提供端到端的部署服务，用户只需准备模型，按以下步骤即可完成整个模型的部署
- 加载模型
- 调用
predict接口
FastDeploy在各视觉模型部署时，也支持一键切换后端推理引擎，详情参阅如何切换模型推理引擎。