Слияние кода завершено, страница обновится автоматически
首先请参考文档环境准备配置运行环境。
PP-ShiTu整个Pipeline包含三部分：主体检测、特征提取模型、特征检索。其中主体检测模型、特征提取模型可以单独推理使用。单独使用主体检测详见主体检测模型推理，特征提取模型单独推理详见特征提取模型推理， PP-ShiTu整体推理详见PP-ShiTu PipeLine推理。
进入 PaddleClas 的 deploy 目录下：
cd PaddleClas/deploy
准备 PaddleClas 提供的主体检测 inference 模型：
mkdir -p models
# 下载通用检测 inference 模型并解压
wget -nc -P ./models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar
tar -xf ./models/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar -C ./models/
使用以下命令进行预测：
python3.7 python/predict_det.py -c configs/inference_det.yaml
在配置文件 configs/inference_det.yaml 中有以下字段用于配置预测参数：
Global.infer_imgs：待预测的图片文件路径；Global.use_gpu： 是否使用 GPU 预测，默认为 True。下面以商品图片的特征提取为例，介绍特征提取模型推理。首先进入 PaddleClas 的 deploy 目录下：
cd PaddleClas/deploy
准备 PaddleClas 提供的商品特征提取 inference 模型：
mkdir -p models
# 下载商品特征提取 inference 模型并解压
wget -nc -P ./models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/PP-ShiTuV2/general_PPLCNetV2_base_pretrained_v1.0_infer.tar
tar -xf ./models/general_PPLCNetV2_base_pretrained_v1.0_infer.tar -C ./models/
使用以下命令进行预测：
python3.7 python/predict_rec.py -c configs/inference_rec.yaml
上述预测命令可以得到一个 512 维的特征向量，直接输出在在命令行中。
在配置文件 configs/inference_rec.yaml 中有以下字段用于配置预测参数：
Global.infer_imgs：待预测的图片文件路径；Global.use_gpu： 是否使用 GPU 预测，默认为 True。主体检测、特征提取和向量检索的串联预测，可以参考图像识别快速开始。
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )