resnet50_vd_animals

resnet50_vd_animals

模型名称	resnet50_vd_animals
类别	图像-图像分类
网络	ResNet50_vd
数据集	百度自建动物数据集
是否支持Fine-tuning	否
模型大小	154MB
指标	-
最新更新日期	2021-02-26

一、模型基本信息

• 模型介绍

  • ResNet-vd 其实就是 ResNet-D，是ResNet 原始结构的变种，可用于图像分类和特征提取。该 PaddleHub Module 采用百度自建动物数据集训练得到，支持7978种动物的分类识别。

  • 模型的详情可参考论文

二、安装

• 1、环境依赖

  • paddlepaddle >= 2.0.0

  • paddlehub >= 2.0.0

• 2、安装

  • $ hub install resnet50_vd_animals

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、命令行预测

  • hub run resnet50_vd_animals --input_path "/PATH/TO/IMAGE"
    

• 2、预测代码示例

  • import paddlehub as hub
    import cv2
    
    classifier = hub.Module(name="resnet50_vd_animals")
    
    result = classifier.classification(images=[cv2.imread('/PATH/TO/IMAGE')])
    # or
    # result = classifier.classification(paths=['/PATH/TO/IMAGE'])

• 3、API

  • def get_expected_image_width()

    • 返回预处理的图片宽度，也就是224。

  • def get_expected_image_height()

    • 返回预处理的图片高度，也就是224。

  • def get_pretrained_images_mean()

    • 返回预处理的图片均值，也就是 [0.485, 0.456, 0.406]。

  • def get_pretrained_images_std()

    • 返回预处理的图片标准差，也就是 [0.229, 0.224, 0.225]。

  • def classification(images=None,
                       paths=None,
                       batch_size=1,
                       use_gpu=False,
                       top_k=1):

    • 参数

      • images (list[numpy.ndarray]): 图片数据，每一个图片数据的shape 均为 [H, W, C]，颜色空间为 BGR；
      • paths (list[str]): 图片的路径；
      • batch_size (int): batch 的大小；
      • use_gpu (bool): 是否使用 GPU 来预测；
      • top_k (int): 返回预测结果的前 k 个。

    • 返回

      • res (list[dict]): 分类结果，列表的每一个元素均为字典，其中 key 为识别动物的类别，value为置信度。

  • def save_inference_model(dirname,
                             model_filename=None,
                             params_filename=None,
                             combined=True)

    • 将模型保存到指定路径。

    • 参数

      • dirname: 存在模型的目录名称
      • model_filename: 模型文件名称，默认为__model__
      • params_filename: 参数文件名称，默认为__params__(仅当combined为True时生效)
      • combined: 是否将参数保存到统一的一个文件中

四、服务部署

• PaddleHub Serving可以部署一个在线动物识别服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

    • $ hub serving start -m resnet50_vd_animals

    • 这样就完成了一个在线动物识别服务化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
  
  
  def cv2_to_base64(image):
      data = cv2.imencode('.jpg', image)[1]
      return base64.b64encode(data.tostring()).decode('utf8')
  
  
  # 发送HTTP请求
  data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
  headers = {"Content-type": "application/json"}
  url = "http://127.0.0.1:8866/predict/resnet50_vd_animals"
  r = requests.post(url=url, headers=headers, data=json.dumps(data))
  
  # 打印预测结果
  print(r.json()["results"])

五、更新历史

• 1.0.0

  初始发布

• 1.1.0

  移除 Fluid API

  • $ hub install resnet50_vd_animals==1.1.0