Skip to content

Latest commit

 

History

History
 
 

python

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
README.md
README.md
 
 
infer_arcface.py
infer_arcface.py
 
 
infer_cosface.py
infer_cosface.py
 
 
infer_partial_fc.py
infer_partial_fc.py
 
 
infer_vpl.py
infer_vpl.py
 
 

README.md

InsightFace Python部署示例

本目录下提供infer_xxx.py快速完成InsighFace模型包括ArcFace\CosFace\VPL\Partial_FC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ArcFace为例子, 提供infer_arcface.py快速完成ArcFace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/insightface/python/

#下载ArcFace模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/ms1mv3_arcface_r100.onnx
wget https://bj.bcebos.com/paddlehub/test_samples/test_lite_focal_arcface_0.JPG
wget https://bj.bcebos.com/paddlehub/test_samples/test_lite_focal_arcface_1.JPG
wget https://bj.bcebos.com/paddlehub/test_samples/test_lite_focal_arcface_2.JPG

# CPU推理
python infer_arcface.py --model ms1mv3_arcface_r100.onnx --face test_lite_focal_arcface_0.JPG --face_positive test_lite_focal_arcface_1.JPG --face_negative test_lite_focal_arcface_2.JPG --device cpu
# GPU推理
python infer_arcface.py --model ms1mv3_arcface_r100.onnx --face test_lite_focal_arcface_0.JPG --face_positive test_lite_focal_arcface_1.JPG --face_negative test_lite_focal_arcface_2.JPG --device gpu
# GPU上使用TensorRT推理
python infer_arcface.py --model ms1mv3_arcface_r100.onnx --face test_lite_focal_arcface_0.JPG --face_positive test_lite_focal_arcface_1.JPG --face_negative test_lite_focal_arcface_2.JPG --device gpu --use_trt True

运行完成可视化结果如下图所示

Prediction Done!
--- [Face 0]:FaceRecognitionResult: [Dim(512), Min(-2.309220), Max(2.372197), Mean(0.016987)]
--- [Face 1]:FaceRecognitionResult: [Dim(512), Min(-2.288258), Max(1.995104), Mean(-0.003400)]
--- [Face 2]:FaceRecognitionResult: [Dim(512), Min(-3.243411), Max(3.875866), Mean(-0.030682)]
Detect Done! Cosine 01: 0.814385, Cosine 02:-0.059388

InsightFace Python接口

fastdeploy.vision.faceid.ArcFace(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
fastdeploy.vision.faceid.CosFace(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
fastdeploy.vision.faceid.PartialFC(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)
fastdeploy.vision.faceid.VPL(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)

ArcFace模型加载和初始化，其中model_file为导出的ONNX模型格式

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ONNX

predict函数

ArcFace.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

  • 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
  • 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