mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-09 18:40:18 +08:00
1dabfdf3f1
* 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * 更新交叉编译 * Update issues.md * Update fastdeploy_init.sh * 更新交叉编译 * 更新insightface系列模型的rknpu2支持 * 更新insightface系列模型的rknpu2支持 * 更新说明文档 * 更新insightface * 尝试解决pybind问题 Co-authored-by: Jason <928090362@qq.com> Co-authored-by: Jason <jiangjiajun@baidu.com>
133 lines
5.7 KiB
Markdown
133 lines
5.7 KiB
Markdown
[English](README.md) | 简体中文
|
||
# InsightFace C++部署示例
|
||
本目录下提供infer_xxx.cc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。
|
||
以ArcFace为例提供`infer_arcface.cc`快速完成ArcFace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. 根据开发环境，下载预编译部署库和samples代码，参考[FastDeploy预编译库](../../../../../docs/cn/build_and_install/download_prebuilt_libraries.md)
|
||
|
||
以Linux上CPU推理为例，在本目录执行如下命令即可完成编译测试
|
||
|
||
```bash
|
||
mkdir build
|
||
cd build
|
||
wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-x.x.x.tgz
|
||
tar xvf fastdeploy-linux-x64-x.x.x.tgz
|
||
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-x.x.x
|
||
make -j
|
||
|
||
#下载官方转换好的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
|
||
./infer_arcface_demo ms1mv3_arcface_r100.onnx face_0.jpg face_1.jpg face_2.jpg 0
|
||
# GPU推理
|
||
./infer_arcface_demo ms1mv3_arcface_r100.onnx face_0.jpg face_1.jpg face_2.jpg 1
|
||
# GPU上TensorRT推理
|
||
./infer_arcface_demo ms1mv3_arcface_r100.onnx face_0.jpg face_1.jpg face_2.jpg 2
|
||
```
|
||
|
||
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>
|
||
|
||
以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:
|
||
- [如何在Windows中使用FastDeploy C++ SDK](../../../../../docs/cn/faq/use_sdk_on_windows.md)
|
||
|
||
## InsightFace C++接口
|
||
|
||
### ArcFace类
|
||
|
||
```c++
|
||
fastdeploy::vision::faceid::ArcFace(
|
||
const string& model_file,
|
||
const string& params_file = "",
|
||
const RuntimeOption& runtime_option = RuntimeOption(),
|
||
const ModelFormat& 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。
|
||
|
||
### CosFace类
|
||
|
||
```c++
|
||
fastdeploy::vision::faceid::CosFace(
|
||
const string& model_file,
|
||
const string& params_file = "",
|
||
const RuntimeOption& runtime_option = RuntimeOption(),
|
||
const ModelFormat& model_format = ModelFormat::ONNX)
|
||
```
|
||
|
||
CosFace模型加载和初始化，其中model_file为导出的ONNX模型格式。
|
||
|
||
### PartialFC类
|
||
|
||
```c++
|
||
fastdeploy::vision::faceid::PartialFC(
|
||
const string& model_file,
|
||
const string& params_file = "",
|
||
const RuntimeOption& runtime_option = RuntimeOption(),
|
||
const ModelFormat& model_format = ModelFormat::ONNX)
|
||
```
|
||
|
||
PartialFC模型加载和初始化，其中model_file为导出的ONNX模型格式。
|
||
|
||
### VPL类
|
||
|
||
```c++
|
||
fastdeploy::vision::faceid::VPL(
|
||
const string& model_file,
|
||
const string& params_file = "",
|
||
const RuntimeOption& runtime_option = RuntimeOption(),
|
||
const ModelFormat& model_format = ModelFormat::ONNX)
|
||
```
|
||
|
||
VPL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时，此参数传入空字符串即可
|
||
> * **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格式
|
||
|
||
#### Predict函数
|
||
|
||
> ```c++
|
||
> ArcFace::Predict(const cv::Mat& im, FaceRecognitionResult* result)
|
||
> ```
|
||
>
|
||
> 模型预测接口，输入图像直接输出检测结果。
|
||
>
|
||
> **参数**
|
||
>
|
||
> > * **im**: 输入图像，注意需为HWC，BGR格式
|
||
> > * **result**: 检测结果，包括检测框，各个框的置信度, FaceRecognitionResult说明参考[视觉模型预测结果](../../../../../docs/api/vision_results/)
|
||
|
||
### 修改预处理以及后处理的参数
|
||
预处理和后处理的参数的需要通过修改InsightFaceRecognitionPostprocessor，InsightFaceRecognitionPreprocessor的成员变量来进行修改。
|
||
|
||
#### InsightFaceRecognitionPreprocessor成员变量(预处理参数)
|
||
> > * **size**(vector<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],
|
||
通过InsightFaceRecognitionPreprocessor::SetSize(std::vector<int>& size)来进行修改
|
||
> > * **alpha**(vector<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],
|
||
通过InsightFaceRecognitionPreprocessor::SetAlpha(std::vector<float>& alpha)来进行修改
|
||
> > * **beta**(vector<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],
|
||
通过InsightFaceRecognitionPreprocessor::SetBeta(std::vector<float>& beta)来进行修改
|
||
|
||
#### InsightFaceRecognitionPostprocessor成员变量(后处理参数)
|
||
> > * **l2_normalize**(bool): 输出人脸向量之前是否执行l2归一化，默认false,
|
||
InsightFaceRecognitionPostprocessor::SetL2Normalize(bool& l2_normalize)来进行修改
|
||
|
||
- [模型介绍](../../)
|
||
- [Python部署](../python)
|
||
- [视觉模型预测结果](../../../../../docs/api/vision_results/)
|
||
- [如何切换模型推理后端引擎](../../../../../docs/cn/faq/how_to_change_backend.md)
|