Skip to main content

模型推理

抠图贴图​

功能介绍​

对输入的图像进行抠图并粘贴到背景图片中的操作，输出到Image对象中。

接口调用流程​

使用抠图贴图接口前，用户需准备好被抠图以及被粘贴的图片对象。

图1 图像处理（抠图贴图）接口调用流程

关键步骤说明如下：

  1. 调用mx_init()接口进行全局初始化。

  2. ImageProcessor初始化。

    用户构造ImageProcessor对象，构造时需用户指定设备ID。

  3. 使用图片解码接口对输入图片进行解码。

    根据业务对图片进行解码，生成可抠图贴图的Image对象。后续可以通过图像处理接口对图片进行处理，生成最终需要抠图贴图的Image对象。

  4. 构造抠图贴图参数和输出Image。

    1. 根据业务要求，设置被抠图片的矩阵并设置粘贴图片位置的矩阵，二者大小不一样时将自动进行缩放。
    2. 构造输出图片的背景图片，使用Image构造函数构造被粘贴图片或其他非空图片作为输出。

  5. 调用crop_paste对输入图片进行抠图并将图片粘贴至指定位置。

示例代码​

以下为功能特性关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

from mindx.sdk import base  
from mindx.sdk.base import ImageProcessor, Rect, Image
## 图像解码  
## 初始化ImageProcessor对象  
imageProcessor = ImageProcessor(device_id)  
image_path = "image_data/test_image.jpg"  
## 读取图片路径进行解码，解码格式为nv12（YUV_SP_420）  
decoded_image = imageProcessor.decode(image_path, base.nv12)  
    
## 图像抠图并贴图  
crop_paste_para = (Rect(300, 100, 550, 350), Rect(100, 100, 1500, 1500))  
imageProcessor.crop_paste(decoded_image , crop_paste_para, paste_image)

父主题： 媒体数据处理

视频编码​

功能介绍​

通过构造VideoEncoder类实例可实现视频编码功能，编码功能配置项及各项约束与支持情况请参考VideoEncodeConfig类数据结构说明。

视频编码支持自定义输出数据格式，通过自定义回调函数传入编码功能配置项，方便用户使用编码后的数据，详情可参考VencCallBacker类。

接口调用流程​

首先根据需求定义需要的输出数据组合方式，根据组合方式参考VencCallBacker定义回调函数传入编码功能配置项，然后实例化VideoEncoder类，最后调用encode成员函数完成编码，获取数据。

视频编码接口调用流程参考如下：

图1 视频编码接口调用流程

mxVision提供VideoEncoder类进行视频编码，关键步骤说明如下：

  1. 定义输出数据组合形式。

    • 输出数据包含视频帧编码后得到的的Image类数据、当前编码帧的“frameId”和通道“channelId”。
    • 根据需要选择获取以上哪些数据。

  2. 定义输出回调函数。

    • 根据要获取的数据定义回调函数，在函数内组装自定义数据。

    • 回调函数输入参数固定为callback_func形式，函数内可选择输出。

      请勿在回调函数内实现过于复杂的操作，建议使用自定义“userData”来接收视频编码回调结果，否则回调线程会发生卡住的现象，导致视频编码速度变慢。

  3. 构造视频编码配置项。

    配置项及各项约束与支持情况请参考VideoEncodeConfig数据结构说明。

  4. 实例化视频编码类。

    将配置好的VideoEncodeConfig传入构造函数接口，实例化视频编码类。

  5. 调用encode接口对视频进行编码。

示例代码​

如下提供关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

import os
import numpy as np
import time
from mindx.sdk import base
from mindx.sdk.base import Image, ImageProcessor
from mindx.sdk.base import VideoEncoder, VideoEncodeConfig, VencCallBacker 
## 视频编码回调函数  
def venc_callback(pyChar, outDataSize, channelId, frameId):
    with open('video_save_data/output.h264', 'ab') as file:  
        file.write(pyChar)  
 
## 初始化VencCallBacker类并注册回调函数  
vencCallBacker = VencCallBacker()  
vencCallBacker.registerVencCallBack(venc_callback)  
## 初始化VideoEncodeConfig  
venc_conf = VideoEncodeConfig()  
venc_conf.keyFrameInterval = 50  
venc_conf.srcRate = 30  
venc_conf.maxBitRate = 6000  
venc_conf.ipProp = 30  
## 初始化VideoEncoder  
videoEncoder = VideoEncoder(venc_conf, vencCallBacker, device_id)  
## 将编码后数据保存为本地视频，若视频文件已存在则删除  
venc_save_path = os.path.join(save_path, 'output.h264')  
video_encode_exists = os.path.exists(venc_save_path)  
if video_encode_exists:  
     os.remove(venc_save_path)  
## 从decoded_data_list中循环取Image类进行编码  
for i, img in enumerate(decoded_data_list):  
    videoEncoder.encode(img, i)

父主题： 媒体数据处理

视频解码​

功能介绍​

通过构造VideoDecoder类实例可实现视频解码功能，解码功能配置项及各项约束与支持情况请参考VideoDecodeConfig类数据结构说明。

视频解码支持自定义输出数据格式，通过自定义回调函数传入解码功能配置项，方便用户解码后的数据，详情可参考VdecCallBacker类数据结构说明。

接口调用流程​

首先根据需求定义需要的输出数据组合方式，根据组合方式参考VdecCallBacker定义回调函数传入解码功能配置项，然后实例化VideoDecoder类，最后调用decode成员函数完成解码，获取数据。

视频解码接口调用流程参考如下：

图1 视频解码接口调用流程

mxVision提供VideoDecoder类进行视频解码，关键步骤说明如下：

  1. 定义输出数据组合形式。

    • 输出数据包含视频帧解码后得到的的Image类数据、当前解码帧的“frameId”和通道“channelId”。
    • 可根据需要选择获取以上哪些数据。

  2. 定义输出回调函数。

    • 根据要获取的数据定义回调函数，在函数内组装自定义数据。
    • 回调函数输入参数固定为VideoDecodeCallBack形式，函数内可选择输出。
    • 请勿在回调函数内实现过于复杂的操作，建议只进行自定义获取解码数据操作。

  3. 构造视频解码配置项。

    配置项及各项约束与支持情况请参考VideoDecodeConfig数据结构说明。

  4. 实例化视频解码类。

    将配置好的VideoDecodeConfig传入构造函数接口，实例化视频解码类。

  5. 调用decode接口对视频进行解码。

示例代码​

如下提供关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

import os
import numpy as np
import time
from mindx.sdk import base
from mindx.sdk.base import Image, ImageProcessor
from mindx.sdk.base import VideoDecoder, VideoDecodeConfig, VdecCallBacker
decoded_data_list = []  
## 视频解码回调函数  
def vdec_callback(decodedImage, channelId, frameId):  
    # 解码完成的Image类存入列表中  
    decoded_data_list.append(decodedImage)    
     
## 初始化VdecCallBacker类并注册回调函数  
vdecCallBacker = VdecCallBacker()  
vdecCallBacker.registerVdecCallBack(vdec_callback)  
## 初始化VideoDecodeConfig类并设置参数  
vdecConfig = VideoDecodeConfig()  
vdecConfig.skipInterval = 0  
vdecConfig.inputVideoFormat = base.h264_main_level  
vdecConfig.outputImageFormat = base.nv12  
vdecConfig.width = 1920  
vdecConfig.height = 1080  
## 初始化VideoDecoder  
videoDecoder = VideoDecoder(vdecConfig, vdecCallBacker, device_id, channel_id)  
## 获取需解码视频帧文件名  
srcDataList = ["frame-{}.data".format(i) for i in range(100)]  
## 循环取帧解码  
for i, fileName in enumerate(srcDataList):  
## 读取视频帧数据存入file  
file = np.fromfile(fileName, dtype='uint8')  
## 视频帧数据解码  
videoDecoder.decode(file, i)

父主题： 媒体数据处理

模型推理​

功能介绍​

使用mxVision模型推理功能通过给定输入和指定模型，进行推理获得输出结果，支持om格式的模型推理，可使用ATC工具构建的动态Batch、动态分辨率和分档动态维度模型进行推理。模型推理输入为张量Tensor类型，由用户使用mxvision提供的接口构造使用。当前mxvision提供的python接口只支持同步推理。

接口调用流程​

使用模型推理前，用户需准备好输入数据以及需要加载的模型，根据模型路径或者内存方式初始化Model类，通过调用Model类的infer接口获取模型推理结果。

模型推理调用流程参考如下：

图1 模型推理接口调用流程

关键接口说明如下：

  1. 模型初始化。

    用户需根据实际业务情况确认模型加载方式，选择从文件加载模型或从内存加载模型。如果从内存加载，需要先将模型文件读取到内存，可通过以下两种方式传入。

    • 从文件加载模型，可选择直接向Model接口传入模型路径，进行初始化。
    • 通过结构体ModelLoadOptV2中的“loadType”字段指定加载方式后，再传入Model接口，其中加载方式在模型方面区分从文件加载模型，还是从内存加载模型，在内存方面区分是由系统内部管理，还是由用户管理，具体可参见ModelLoadOptV2。

  2. 调用infer接口获取模型推理结果。

示例代码​

以下为功能特性关键步骤的代码示例，不可以直接拷贝运行，仅供参考。

import numpy as np 
from mindx.sdk import base 
from mindx.sdk.base import Tensor, Model
## 模型推理  
## 构造输入Tensor（以二进制输入为例）
## 读取前处理好的numpy array二进制数据   
input_array = np.load("preprocess_array.npy")  
## 构造输入Tensor类并转移至device侧  
input_tensor = Tensor(input_array)  
input_tensor.to_device(device_id)  
## 构造输入Tensor列表  
input_tensors = [input_tensor]  
## 模型路径  
model_path = "resnet50_batchsize_1.om"  
## 初始化Model类  
model = Model(modelPath=model_path, deviceId=device_id)  
## 执行推理  
outputs = model.infer(input_tensors)

父主题： 使用API接口方式开发（Python）

运行​

运行样例前，需设置mxVison环境变量。

source {mxVison安装目录}/mxVision/set_env.sh

运行​

用户准备好自己的源码文件“main.py”，以及Python运行环境。

使用python3执行文件，命令参考如下。

python3 main.py

:::note 说明

父主题： 使用API接口方式开发（Python）

模型支持列表​

模型种类

模型框架

使用后处理动态库

获取途径

YOLOv3

TensorFlow

（tensorinfer框架）modelpostprocessors/libyolov3postprocess.so

ResNet-50

TensorFlow

（tensorinfer框架）modelpostprocessors/libresnet50postprocess.so

Faster Rcnn

TensorFlow

（tensorinfer框架）modelpostprocessors/libfasterrcnnpostprocess.so

MindSpore

（tensorinfer框架）modelpostprocessors/libfasterrcnnpostprocess.so

YOLOv4

Pytorch

（tensorinfer框架）modelpostprocessors/libyolov3postprocess.so

SSD-VGG16

Caffe

（tensorinfer框架）modelpostprocessors/libssdvggpostprocess.so

无

SSD MobileNet v1 FPN

TensorFlow

（tensorinfer框架）modelpostprocessors/libssdmobilenetfpnpostprocess.so

CRNN

TensorFlow

（tensorinfer框架）modelpostprocessors/libcrnnpostprocess.so

YOLOv5

Pytorch

（tensorinfer框架）modelpostprocessors/libyolov3postprocess.so

FasterRCNN-FPN/CascadeRCNN-FPN

Pytorch

（tensorinfer框架）modelpostprocessors/libfasterrcnnpostprocess.so

ResNet-18

TensorFlow

（tensorinfer框架）modelpostprocessors/libresnet50postprocess.so

CTPN

TensorFlow

（tensorinfer框架）modelpostprocessors/libctpnpostprocess.so

CTPN

MindSpore

（tensorinfer框架）modelpostprocessors/libctpnpostprocess.so

DeepLabv3

MindSpore

（tensorinfer框架）modelpostprocessors/libdeeplabv3post.so

BERT-Base (Uncased)

TensorFlow

（tensorinfer框架）modelpostprocessors/libresnet50postprocess.so

U-Net

MindSpore

（tensorinfer框架）modelpostprocessors/libunetmindsporepostprocess.so

Mask R-CNN

Pytorch

（tensorinfer框架）modelpostprocessors/libmaskrcnnmindsporepost.so

FaceNet

TensorFlow

无需后处理。

SSD MobileNet v1 FPN

MindSpore

（tensorinfer框架）modelpostprocessors/libSsdMobilenetFpn_MindsporePost.so

OpenPose

TensorFlow

（tensorinfer框架）modelpostprocessors/libopenposepostprocess.so

无

RetinaNet

TensorFlow

（tensorinfer框架）modelpostprocessors/retinanetpostprocess.so

HigherHRnet

Pytorch

（tensorinfer框架）modelpostprocessors/libhigherhrnetpostprocess.so

YoloV7Detection

Pytorch

无

无

PPYOLOEPlusDetection

Paddle

无

无

父主题： 模型支持参考

模型后处理配置参数​

各个模型所需要的配置参数见下表。

表1 YOLOv3模型后处理配置参数（yolov3_tf_bs1_fp16.cfg）

参数名描述默认值取值区间
CLASS_NUM类别数量。80无
BIASES_NUManchor宽高的数量（18表示9个anchor，每个对应一对宽高值）。18[0, 100]
BIASE每两个数组成一个anchor的宽高值，例如10、13表示第一个anchor的宽、高值。10，13，16，30，33，23，30，61，62，45，59，119，116，90，156，198，373，326无
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.3[0.0, 1.0]
OBJECTNESS_THRESH是否为目标的阈值，大于阈值即认为是目标。0.3[0.0, 1.0]
IOU_THRESH两个框的IOU阈值，超过阈值即认为同一个框。0.45[0.0, 1.0]
YOLO_TYPE表示输出Tensor的个数，3表示有三个feature map输出。3[0, 16]
ANCHOR_DIM每个feature map对应的anchor框数量。3[0, 16]
MODEL_TYPE数据排布格式，0表示NHWC，1表示NCHW，2表示NCHWC。0无
FRAMEWORKString类型，可选值有MindSpore，PyTorch，TensorFlow 和Caffe。TensorFlow无
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）无

表2 ResNet-50模型后处理配置参数（resnet50_aipp_tf.cfg）

参数名描述默认值取值区间
CLASS_NUM类别数量。1001[0, 2000]
SOFTMAX布尔型，是否需要在后处理中做softmax计算。false无
TOP_K前K个可能性最大的类。1[0, 16]

表3 FasterRcnn模型后处理配置参数（faster_rcnn_uncut.cfg）

参数名

描述

默认值

取值区间

CLASS_NUM

类别数量。

91

[0, 1000]

SCORE_THRESH

目标是否为某种类别物体的阈值，大于阈值即认为是该目标。

0.5

[0.0, 1.0]

IOU_THRESH

两个框的IOU阈值，超过阈值即认为同一个框。

0.45

[0.0, 1.0]

SEPARATE_SCORE_THRESH

各个类别对应的阈值。

CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）

无

MODEL_TYPE

可选以下三个值：

0：original

1：nms_cut（模型未做非极大值抑制）

2：FPN

0

无

FRAMEWORK

可选以下三个值：

  • TensorFlow
  • MindSpore
  • Pytorch

TensorFlow

无

NMS_FINISHED

modelinfer框架特有的属性值，为布尔值：

  • false：模型本身不存在NMS算子，需后处理进行NMS操作。
  • true：模型本身存在NMS算子，不需后处理进行NMS操作。

true

无

注：“MODEL_TYPE”和“FRAMEWORK”参数配套说明如下：

  • orginal配套TensorFlow框架。
  • nms_cut配套TensorFlow或MindSpore框架。
  • FPN配套Pytorch框架。

表4 ssd_vgg模型后处理配置参数（ssd_vgg16_caffe_release.cfg）

参数名描述默认值
CLASS_NUM类别数量。5
SCORE_THRESH目标阈值。0.4
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）

表5 Ssd-Mobilenet-v1-Fpn模型后处理配置参数（ssd_mobilenetv1_fpn.cfg）

参数名描述默认值
CLASS_NUM类别数量。3
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.5
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）

表6 CRNN模型后处理配置参数（crnn_ssh_2.cfg）

参数名描述默认值取值区间
CLASS_NUM类别数量。0[0, 10000]
OBJECT_NUM可检测的字符数上限。0[0, 1000]
BLANK_INDEX空白符的索引值。0[0, 10000]
WITH_ARGMAX模型backbone是否已经做了argmax。false无

表7 modelinfer框架ResNet特征模型后处理配置参数（resnet_feature_caffe_release.cfg）

参数名描述默认值
ACTIVATION_FUNCTION用来激活模型输出数据的激活函数。None

表8 modelinfer框架ResNet多分类属性模型后处理配置参数（resnet_attribute_caffe_release.cfg）

参数名描述默认值
ATTRIBUTE_NUM模型输出属性的数量。5
ACTIVATION_FUNCTION激活函数的类型，目前仅支持sigmoid函数。无
ATTRIBUTE_INDEX模型输出属性的索引。请确保索引的数量与ATTRIBUTE_NUM值相等。无

表9 modelinfer框架ResNet二分类属性模型后处理配置参数（resnet_attribute_caffe_release.cfg）

参数名描述默认值
CLASS_NUM类别数量。5

表10 modelinfer框架YOLOv4模型后处理配置参数（yolov4_pt_bs1_fp16.cfg）

参数名描述默认值
CLASS_NUM类别数量。80
BIASES_NUManchor宽高的数量（18表示9个anchor，每个对应一对宽高值）18
BIASES每两个数组成一个anchor的宽高值，例如10、13表示第一个anchor的宽、高值。10，13，16，30，33，23，30，61，62，45，59，119，116，90，156，198，373，326
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.3
OBJECTNESS_THRESH是否为目标的阈值，大于阈值即认为是目标。0.3
IOU_THRESH两个框的IOU阈值，超过阈值即认为同一个框。0.45
YOLO_TYPE表示输出Tensor的个数，3表示有三个feature map输出。3
ANCHOR_DIM每个feature map对应的anchor框数量。3
MODEL_TYPE数据排布格式，0表示NHWC，1表示NCHW。0
FRAMEWORK_TYPE模型框架，0表示Pytorch，1表示MindSpore。0
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）

表11 YOLOv4模型后处理配置参数（yolov4_pt_bs1_fp16.cfg）

参数名描述默认值
CLASS_NUM类别数量。80
BIASES_NUManchor宽高的数量（18表示9个anchor，每个对应一对宽高值）。18
BIASES每两个数组成一个anchor的宽高值，例如10、13表示第一个anchor的宽、高值。10，13，16，30，33，23，30，61，62，45，59，119，116，90，156，198，373，326
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.3
OBJECTNESS_THRESH是否为目标的阈值，大于阈值即认为是目标。0.3
IOU_THRESH两个框的IOU阈值，超过阈值即认为同一个框。0.45
YOLO_TYPE表示输出Tensor的个数，3表示有三个feature map输出。3
ANCHOR_DIM每个feature map对应的anchor框数量。3
MODEL_TYPE数据排布格式，0表示NHWC，1表示NCHW，2表示NCHWC。0
FRAMEWORKString类型，可选值有MindSpore，PyTorch，TensorFlow 和Caffe。MindSpore
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）
YOLO_VERSION使用的yolo模型版本。（必选）YOLO_VERSION=4

表12 YOLOv5模型后处理配置参数（yolov5_pt_bs1_fp32.cfg）

参数名描述默认值取值空间
CLASS_NUM类别数量。80[0, 1000]
BIASES_NUManchor宽高的数量（18表示9个anchor，每个对应一对宽高值）。18[0, 1000]
BIASE每两个数组成一个anchor的宽高值，例如10、13表示第一个anchor的宽、高值。10，13，16，30，33，23，30，61，62，45，59，119，116，90，156，198，373，326无
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.3[0.0, 1.0]
OBJECTNESS_THRESH是否为目标的阈值，大于阈值即认为是目标。0.3[0.0, 1.0]
IOU_THRESH两个框的IOU阈值，超过阈值即认为同一个框。0.45[0.0, 1.0]
YOLO_TYPE表示输出Tensor的个数，3表示有三个feature map输出。3[0, 1000]
ANCHOR_DIM每个feature map对应的anchor框数量。3[0, 1000]
MODEL_TYPE数据排布格式，0表示NHWC，1表示NCHW，2表示NCHWC（当前仅支持的PyTorch框架模型）。2[0, 1000]
FRAMEWORKString类型，可选值有MindSpore，PyTorch，TensorFlow 和Caffe。PyTorch无
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）无
YOLO_VERSION使用的yolo模型版本。（必选）YOLO_VERSION=5无

表13 modelinfer框架FasterRCNN-Fpn/CascadeRCNN-Fpn模型后处理配置参数（fasterrcnn.cfg或cascadercnn.cfg）

参数名描述默认值
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标，实验使用0.3。0.5
FPN_SWITCHFPN开关，这两个模型均要设为true。false

表14 DeepLabV3+（TensorFlow）模型后处理配置参数（deeplabv3.cfg）

参数名描述默认值
CLASS_NUM类别数量。21
FRAMEWORK_TYPE深度学习框架类型选择。TensorFlow框架选择0

表15 CTPN模型后处理配置参数（ctpn_tf.cfg）

参数名描述默认值取值区间
IS_ORIENTED是否进行检测框倾斜。false无
BOX_IOU_THRESH检测小框的iou阈值。0.7[0.0, 1.0]
TEXT_IOU_THRESH最终文本框的iou阈值。0.2[0.0, 1.0]
TEXT_PROPOSALS_MIN_SCORE检测小框的最小分数过滤。0.7[0.0, 1.0]
LINE_MIN_SCORE最终文本框的最小分数过滤。0.9[0.0, 1.0]
IS_MINDSPORE是否为MindSpore框架。false无

表16 CTPN模型后处理配置参数（ctpn_mindspore.cfg）

参数名描述默认值取值区间
IS_ORIENTED是否进行检测框倾斜。false无
BOX_IOU_THRESH检测小框的iou阈值。0.7[0.0, 1.0]
TEXT_IOU_THRESH最终文本框的iou阈值。0.2[0.0, 1.0]
TEXT_PROPOSALS_MIN_SCORE检测小框的最小分数过滤。0.7[0.0, 1.0]
LINE_MIN_SCORE最终文本框的最小分数过滤。0.9[0.0, 1.0]
IS_MINDSPORE是否为MindSpore框架。true无

表17 ResNet-18模型后处理配置参数（resnet18_aipp_tf.cfg）

参数名描述默认值
CLASS_NUM类别数量。2
参数名描述默认值
CLASS_NUM类别数量。21
MODEL_TYPE模型推理输出数据的排布格式，0表示NHWC，1表示NCHW。1
FRAMEWORK_TYPE深度学习框架类型选择。MindSpore框架选择2
参数名描述默认值
CLASS_NUM类别数量。2
CHECK_MODEL检查模型兼容性。false
参数名描述默认值
CLASS_NUM类别数量。21
CHECK_MODEL检查模型兼容性。true
MODEL_TYPE模型推理输出数据的排布格式，0表示NHWC，1表示NCHW。1
FRAMEWORK_TYPE深度学习框架类型选择。Pytorch框架选择1
参数名描述默认值
CLASS_NUM类别数量。2
POST_TYPE模型后处理方式，0表示对模型logits输出（NHWC型）做argmax，1表示对模型argmax输出结果（NHW型）透传。1
RESIZE_TYPE对像素图做插值还原的方式，暂只支持两种方式： 0：不做插值还原。 1：最邻近插值还原。1
参数名描述默认值取值区间
CLASS_NUM推理类别总数，背景不计算在内。80[0, 100]
SCORE_THRESH置信度得分阈值，可根据业务场景调整。0.7[0.0, 1.0]
IOU_THRESHIOU阈值，可根据业务场景调整。0.5[0.0, 1.0]
RPN_MAX_NUMRegion Proposal Network最大个数。1000[0, 1000]
MAX_PER_IMG按置信度排序，每张图预测框的最大值。128[0, 150]
MASK_THREAD_BINARY输入RCNN的掩码阈值。0.5[0.0, 1.0]
MASK_SHAPE_SIZEmask_rcnn中掩码的形状，只支持单参数表示正方形。28[0, 100]
MODEL_TYPE可选以下两个值。 0：MindSpore 1：Pytorch0无
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）无
参数名描述默认值取值区间
CLASS_NUM类别数量。81[0, 100]
SCORE_THRESH目标是否为某种类别物体的阈值，大于阈值即认为是该目标。0.5[0.0, 1.0]
IOU_THRESH目标重合程度的阈值，大于阈值即认为两个目标框对应同一个目标。0.6[0.0, 1.0]
SEPARATE_SCORE_THRESH各个类别对应的阈值。CLASS_NUM（数量）个SCORE_THRESH（阈值），以逗号为分隔符。（阈值数量等于CLASS_NUM。）无
参数名描述默认值取值区间
KEYPOINT_NUM关键点个数，加上背景（背景算一个）。19[0, 100]
FILTER_SIZE高斯滤波核的长（或宽）。25[0, 100]
SIGMA高斯滤波核的方差。3[0, 10]
参数名描述默认值取值区间
KEYPOINT_NUM关键点个数。17[0, 20]
SCORE_THRESH关键点阈值。0.1[0.0, 1.0]
参数名描述默认值取值区间
CLASS_NUM类别数量。3无
POST_TYPE模型后处理方式，0表示对模型logits输出（NHWC型）做argmax，1表示对模型argmax输出结果（NHW型）透传。1[0, 16]
RESIZE_TYPE对像素图做插值还原的方式，暂只支持两种方式： 0：不做插值还原。 1：最邻近插值还原。1[0, 16]
参数名描述默认值取值区间
CLASS_NUM代表数据集类别数量（默认COCO数据集是80类）。80[0, 100]
MODEL_TYPE代表模型类别，目前仅支持TensorFlow模型。0[0, 100]
SCORE_THRESH代表分数阈值。0.5[0.0, 1.0]

父主题： 模型支持参考

在线提单