mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-05 08:37:06 +08:00
24 lines
1.4 KiB
Markdown
24 lines
1.4 KiB
Markdown
# 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](../../../../docs/api/vision_results/detection_result.md) |
|
||
| 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](../../../../docs/api/vision_results/segmentation_result.md) |
|
||
| Classification | 图像分类，输入图像，给出图像的分类结果和置信度 | [ClassifyResult](../../../../docs/api/vision_results/classification_result.md) |
|
||
|
||
## 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
|