Skip to content

Latest commit

 

History

History
 
 

solov2

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
README.md
README.md
 
 
data_feed.py
data_feed.py
 
 
example.png
example.png
 
 
module.py
module.py
 
 
processor.py
processor.py
 
 

README.md

solov2

模型名称 solov2
类别 图像-实例分割
网络 -
数据集 COCO2014
是否支持Fine-tuning 否
模型大小 165M
最新更新日期 2021-02-26
数据指标 -

一、模型基本信息

  • 应用效果展示

  • 模型介绍

    • solov2是基于"SOLOv2: Dynamic, Faster and Stronger"实现的快速实例分割的模型。该模型基于SOLOV1, 并且针对mask的检测效果和运行效率进行改进，在实例分割任务中表现优秀。相对语义分割，实例分割需要标注出图上同一物体的不同个体。

二、安装

三、模型API预测

  • 1、命令行预测

    • $ hub run openpose_hands_estimation --input_path "/PATH/TO/IMAGE"

    • 通过命令行方式实现hub模型的调用，更多请见 PaddleHub命令行指令

  • 2、预测代码示例

    • import cv2
import paddlehub as hub

img = cv2.imread('/PATH/TO/IMAGE')
model = hub.Module(name='solov2', use_gpu=False)
output = model.predict(image=img, visualization=False)

  • 3、API

    • def predict(image: Union[str, np.ndarray],
            threshold: float = 0.5,
            visualization: bool = False,
            save_dir: str = 'solov2_result'):
      • 预测API，实例分割。
      • 参数
        • image (Union[str, np.ndarray]): 图片路径或者图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
        • threshold (float): 检测模型输出结果中，预测得分低于该阈值的框将被滤除，默认值为0.5；
        • visualization (bool): 是否将可视化图片保存；
        • save_dir (str): 保存图片到路径， 默认为"solov2_result"。
      • 返回
        • res (dict): 识别结果，关键字有 'segm', 'label', 'score'对应的取值为：
          • segm (np.ndarray): 实例分割结果,取值为0或1。0表示背景，1为实例；
          • label (list): 实例分割结果类别id；
          • score (list):实例分割结果类别得分；s

四、服务部署

  • PaddleHub Serving可以部署一个实例分割的在线服务。

  • 第一步：启动PaddleHub Serving

    • 运行启动命令：

    • $ hub serving start -m solov2 -p 8866

    • 这样就完成了一个实例分割的在线服务API的部署，默认端口号为8866。

    • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

  • 第二步：发送预测请求

    • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

    • import requests
import json
import cv2
import base64

import numpy as np

def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')

def base64_to_cv2(b64str):
    data = base64.b64decode(b64str.encode('utf8'))
    data = np.fromstring(data, np.uint8)
    data = cv2.imdecode(data, cv2.IMREAD_COLOR)
    return data

# 发送HTTP请求

org_im = cv2.imread('/PATH/TO/IMAGE')
h, w, c = org_im.shape
data = {'images':[cv2_to_base64(org_im)]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/solov2"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

seg = base64.b64decode(r.json()["results"]['segm'].encode('utf8'))
seg = np.fromstring(seg, dtype=np.int32).reshape((-1, h, w))

label = base64.b64decode(r.json()["results"]['label'].encode('utf8'))
label = np.fromstring(label, dtype=np.int64)

score = base64.b64decode(r.json()["results"]['score'].encode('utf8'))
score = np.fromstring(score, dtype=np.float32)

print('seg', seg)
print('label', label)
print('score', score)

五、更新历史

  • 1.0.0

    初始发布

    • $ hub install hand_pose_localization==1.0.0