Skip to content

Latest commit

 

History

History
125 lines (100 loc) · 5.37 KB

README_CN.md

File metadata and controls

125 lines (100 loc) · 5.37 KB

AdaFace Python部署示例

本目录下提供infer_xxx.py快速完成AdaFace模型在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

以AdaFace为例子, 提供infer.py快速完成AdaFace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

#下载部署示例代码
git clone https://github.com/PaddlePaddle/FastDeploy.git
cd examples/vision/faceid/adaface/python/

#下载AdaFace模型文件和测试图片
#下载测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/rknpu2/face_demo.zip
unzip face_demo.zip

# 如果为Paddle模型，运行以下代码
wget https://bj.bcebos.com/paddlehub/fastdeploy/mobilefacenet_adaface.tgz
tar zxvf mobilefacenet_adaface.tgz -C ./

# CPU推理
python infer.py --model mobilefacenet_adaface/mobilefacenet_adaface.pdmodel \
                --params_file mobilefacenet_adaface/mobilefacenet_adaface.pdiparams \
                --face face_0.jpg \
                --face_positive face_1.jpg \
                --face_negative face_2.jpg \
                --device cpu
# GPU推理
python infer.py --model mobilefacenet_adaface/mobilefacenet_adaface.pdmodel \
                --params_file mobilefacenet_adaface/mobilefacenet_adaface.pdiparams \
                --face face_0.jpg \
                --face_positive face_1.jpg \
                --face_negative face_2.jpg \
                --device gpu
# GPU上使用TensorRT推理
python infer.py --model mobilefacenet_adaface/mobilefacenet_adaface.pdmodel \
                --params_file mobilefacenet_adaface/mobilefacenet_adaface.pdiparams \
                --face face_0.jpg \
                --face_positive face_1.jpg \
                --face_negative face_2.jpg \
                --device gpu \
                --use_trt True

# 昆仑芯XPU推理
python infer.py --model mobilefacenet_adaface/mobilefacenet_adaface.pdmodel \
                --params_file mobilefacenet_adaface/mobilefacenet_adaface.pdiparams \
                --face test_lite_focal_arcface_0.JPG \
                --face_positive test_lite_focal_arcface_1.JPG \
                --face_negative test_lite_focal_arcface_2.JPG \
                 --device kunlunxin

运行完成可视化结果如下图所示

FaceRecognitionResult: [Dim(512), Min(-0.133213), Max(0.148838), Mean(0.000293)]
FaceRecognitionResult: [Dim(512), Min(-0.102777), Max(0.120130), Mean(0.000615)]
FaceRecognitionResult: [Dim(512), Min(-0.116685), Max(0.142919), Mean(0.001595)]
Cosine 01:  0.7483505506964364
Cosine 02:  -0.09605773855893639

AdaFace Python接口

fastdeploy.vision.faceid.AdaFace(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.PADDLE)

AdaFace模型加载和初始化，其中model_file为导出的ONNX模型格式或PADDLE静态图格式

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PADDLE

predict函数

AdaFace.predict(image_data)

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

返回

返回fastdeploy.vision.FaceRecognitionResult结构体，结构体说明参考文档视觉模型预测结果

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

AdaFacePreprocessor的成员变量

以下变量为AdaFacePreprocessor的成员变量

  • 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[112, 112]
  • 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

AdaFacePostprocessor的成员变量

以下变量为AdaFacePostprocessor的成员变量

  • l2_normalize(bool): 输出人脸向量之前是否执行l2归一化，默认False

其它文档