mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-06 17:17:14 +08:00

Files

huangjianhui b565c15bf7 [Model] Add tinypose single && pipeline model (#177 )

* Add tinypose model

* Add PPTinypose python API

* Fix picodet preprocess bug && Add Tinypose examples

* Update tinypose example code

* Update ppseg preprocess if condition

* Update ppseg backend support type

* Update permute.h

* Update README.md

* Update code with comments

* Move files dir

* Delete premute.cc

* Add single model pptinypose

* Delete pptinypose old code in ppdet

* Code format

* Add ppdet + pptinypose pipeline model

* Fix bug for posedetpipeline

* Change Frontend to ModelFormat

* Change Frontend to ModelFormat in __init__.py

* Add python posedetpipeline/

* Update pptinypose example dir name

* Update README.md

* Update README.md

* Update README.md

* Update README.md

* Create keypointdetection_result.md

* Create README.md

* Create README.md

* Create README.md

* Update README.md

* Update README.md

* Create README.md

* Fix det_keypoint_unite_infer.py bug

* Create README.md

* Update PP-Tinypose by comment

* Update by comment

* Add pipeline directory

* Add pptinypose dir

* Update pptinypose to align accuracy

* Addd warpAffine processor

* Update GetCpuMat to  GetOpenCVMat

* Add comment for pptinypose && pipline

* Update docs/main_page.md

* Add README.md for pptinypose

* Add README for det_keypoint_unite

* Remove ENABLE_PIPELINE option

* Remove ENABLE_PIPELINE option

* Change pptinypose default backend

* PP-TinyPose Pipeline support multi PP-Detection models

* Update pp-tinypose comment

* Update by comments

* Add single test example

Co-authored-by: Jason <jiangjiajun@baidu.com>

2022-10-21 09:28:23 +08:00

2.6 KiB

Raw Blame History

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
KeypointDetection	关键点检测，输入图像，返回图像中人物行为的各个关键点坐标和置信度	KeyPointDetectionResult
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。

2.6 KiB Raw Blame History Unescape Escape

视觉模型部署

FastDeploy API设计

2.6 KiB

Raw Blame History