pyramidbox_lite_mobile_mask

pyramidbox_lite_mobile_mask

模型名称	pyramidbox_lite_mobile_mask
类别	图像 - 人脸检测
网络	PyramidBox
数据集	WIDER FACE数据集 + 百度自采人脸数据集
是否支持Fine-tuning	否
模型大小	1.2MB
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

  • 样例结果示例：

    
    

• 模型介绍

  • PyramidBox-Lite是基于2018年百度发表于计算机视觉顶级会议ECCV 2018的论文PyramidBox而研发的轻量级模型，模型基于主干网络FaceBoxes，对于光照、口罩遮挡、表情变化、尺度变化等常见问题具有很强的鲁棒性。该PaddleHub Module是针对于移动端优化过的模型，适合部署于移动端或者边缘检测等算力受限的设备上，并基于WIDER FACE数据集和百度自采人脸数据集进行训练，支持预测，可用于检测人脸是否佩戴口罩。

二、安装

• 1、环境依赖

  • paddlepaddle >= 1.6.2

  • paddlehub >= 1.6.0 | 如何安装paddlehub

• 2、安装

  • $ hub install pyramidbox_lite_mobile_mask

  • 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 pyramidbox_lite_mobile_mask --input_path "/PATH/TO/IMAGE"

  • 通过命令行方式实现人脸检测模型的调用，更多请见 PaddleHub命令行指令

• 2、预测代码示例

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

• 3、API

  • def __init__(face_detector_module=None)

    • 参数

      • face_detector_module (class): 人脸检测模型，默认为 pyramidbox_lite_mobile。

  • def face_detection(images=None,
                       paths=None,
                       batch_size=1,
                       use_gpu=False,
                       visualization=False,
                       output_dir='detection_result',
                       use_multi_scale=False,
                       shrink=0.5,
                       confs_threshold=0.6)

    • 识别输入图片中的所有的人脸，并判断有无戴口罩。

    • 参数

      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
        
      • paths (list[str]): 图片的路径；
        
      • batch_size (int): batch 的大小；
        
      • use_gpu (bool): 是否使用 GPU；
        
      • visualization (bool): 是否将识别结果保存为图片文件；
        
      • output_dir (str): 图片的保存路径，默认设为 detection_result；
        
      • use_multi_scale (bool) : 用于设置是否开启多尺度的人脸检测，开启多尺度人脸检测能够更好的检测到输入图像中不同尺寸的人脸，但是会增加模型计算量，降低预测速度；
        
      • shrink (float): 用于设置图片的缩放比例，该值越大，则对于输入图片中的小尺寸人脸有更好的检测效果（模型计算成本越高），反之则对于大尺寸人脸有更好的检测效果；
        
      • confs_threshold (float): 置信度的阈值。

      NOTE: paths和images两个参数选择其一进行提供数据

    • 返回

      • res (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为:
        • path (str): 原输入图片的路径
        • data (list): 检测结果，list的每一个元素为 dict，各字段为:
          • label (str): 识别标签，为 'NO MASK' 或者 'MASK'；
          • confidence (float): 识别的置信度
          • left (int): 边界框的左上角x坐标
          • top (int): 边界框的左上角y坐标
          • right (int): 边界框的右下角x坐标
          • bottom (int): 边界框的右下角y坐标

  • def set_face_detector_module(face_detector_module)

    • 设置口罩检测模型中进行人脸检测的底座模型。

    • 参数

      • face_detector_module (class): 人脸检测模型。

  • def get_face_detector_module()

    • 获取口罩检测模型中进行人脸检测的底座模型。

    • 返回

      • 当前模型使用的人脸检测模型

  • def save_inference_model(dirname)

    • 将模型保存到指定路径。

    • 参数

      • dirname: 模型保存路径
        

四、服务部署

• PaddleHub Serving可以部署一个在线口罩检测服务。

• 第一步：启动PaddleHub Serving

  • 运行启动命令：

  • $ hub serving start -m pyramidbox_lite_mobile_mask

  • 这样就完成了一个口罩检测服务化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/pyramidbox_lite_mobile_mask"
    r = requests.post(url=url, headers=headers, data=json.dumps(data))
    
    # 打印预测结果
    print(r.json()["results"])

• gradio app 支持

  从 PaddleHub 2.3.1 开始支持使用链接 http://127.0.0.1:8866/gradio/pyramidbox_lite_mobile_mask 在浏览器中访问 pyramidbox_lite_mobile_mask 的 Gradio APP。

五、Paddle Lite部署

• 通过python执行以下代码，保存模型

  • import paddlehub as hub
    pyramidbox_lite_mobile_mask = hub.Module(name="pyramidbox_lite_mobile_mask")
    
    # 将模型保存在test_program文件夹之中
    pyramidbox_lite_mobile_mask.save_inference_model(dirname="test_program")

• 进行模型转换

  • 从paddlehub下载的是预测模型，可以使用PaddleLite提供的模型优化工具OPT对预测模型进行转换，转换之后进而可以实现在手机等端侧硬件上的部署，具体请请参考OPT工具

• 模型通过Paddle Lite进行部署

  • 参考Paddle-Lite口罩检测模型部署教程

五、更新历史

• 1.0.0

  初始发布

• 1.3.1

  移除 fluid api

• 1.4.0

  修复无法导出模型的问题

• 1.5.0

  添加 Gradio APP 的支持

  • $ hub install pyramidbox_lite_mobile_mask==1.5.0