mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-06 00:57:33 +08:00
88 lines
3.9 KiB
Markdown
88 lines
3.9 KiB
Markdown
# MODNet Python部署示例
|
||
|
||
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/environment.md)
|
||
- 2. FastDeploy Python whl包安装，参考[FastDeploy Python安装](../../../../../docs/quick_start)
|
||
|
||
本目录下提供`infer.py`快速完成MODNet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/matting/modnet/python/
|
||
|
||
#下载modnet模型文件和测试图片
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/modnet_photographic_portrait_matting.onnx
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/matting_input.jpg
|
||
wget https://bj.bcebos.com/paddlehub/fastdeploy/matting_bgr.jpg
|
||
|
||
# CPU推理
|
||
python infer.py --model modnet_photographic_portrait_matting.onnx --image matting_input.jpg --bg matting_bgr.jpg --device cpu
|
||
# GPU推理
|
||
python infer.py --model modnet_photographic_portrait_matting.onnx --image matting_input.jpg --bg matting_bgr.jpg --device gpu
|
||
# GPU上使用TensorRT推理
|
||
python infer.py --model modnet_photographic_portrait_matting.onnx --image matting_input.jpg --bg matting_bgr.jpg --device gpu --use_trt True
|
||
```
|
||
|
||
运行完成可视化结果如下图所示
|
||
|
||
<div width="840">
|
||
<img width="200" height="200" float="left" src="https://user-images.githubusercontent.com/67993288/186852040-759da522-fca4-4786-9205-88c622cd4a39.jpg">
|
||
<img width="200" height="200" float="left" src="https://user-images.githubusercontent.com/67993288/186851995-fe9f509f-97d4-4967-a3b0-ce2b3c2f5dca.jpg">
|
||
<img width="200" height="200" float="left" src="https://user-images.githubusercontent.com/67993288/186852116-cf91445b-3a67-45d9-a675-c69fe77c383a.jpg">
|
||
<img width="200" height="200" float="left" src="https://user-images.githubusercontent.com/67993288/186851964-4c9086b9-3490-4fcb-82f9-2106c63aa4f3.jpg">
|
||
</div>
|
||
|
||
## MODNet Python接口
|
||
|
||
```python
|
||
fastdeploy.vision.matting.MODNet(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
|
||
```
|
||
|
||
MODNet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
|
||
> MODNet.predict(image_data, conf_threshold=0.25, nms_iou_threshold=0.5)
|
||
> ```
|
||
>
|
||
> 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
|
||
> > * **conf_threshold**(float): 检测框置信度过滤阈值
|
||
> > * **nms_iou_threshold**(float): NMS处理过程中iou阈值
|
||
|
||
> **返回**
|
||
>
|
||
> > 返回`fastdeploy.vision.MattingResult`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
|
||
|
||
|
||
> > * **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[256, 256]
|
||
> > * **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
|
||
|
||
|
||
|
||
## 其它文档
|
||
|
||
- [MODNet 模型介绍](..)
|
||
- [MODNet 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/runtime/how_to_change_backend.md)
|