ScaledYOLOv4 Python部署示例

在部署前，需确认以下两个步骤

• 1. 软硬件环境满足要求，参考FastDeploy环境要求
• 2. FastDeploy Python whl包安装，参考FastDeploy Python安装

本目录下提供infer.py快速完成ScaledYOLOv4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/detection/scaledyolov4/python/

#下载scaledyolov4模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/scaled_yolov4-p5.onnx
wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000014439.jpg

# CPU推理
python infer.py --model scaled_yolov4-p5.onnx --image 000000014439.jpg --device cpu
# GPU推理
python infer.py --model scaled_yolov4-p5.onnx --image 000000014439.jpg --device gpu
# GPU上使用TensorRT推理
python infer.py --model scaled_yolov4-p5.onnx --image 000000014439.jpg --device gpu --use_trt True

运行完成可视化结果如下图所示

ScaledYOLOv4 Python接口

fastdeploy.vision.detection.ScaledYOLOv4(model_file, params_file=None, runtime_option=None, model_format=ModelFormat.ONNX)

ScaledYOLOv4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

ScaledYOLOv4.predict(image_data, conf_threshold=0.25, nms_iou_threshold=0.5)

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
• conf_threshold(float): 检测框置信度过滤阈值
• nms_iou_threshold(float): NMS处理过程中iou阈值

返回

返回fastdeploy.vision.DetectionResult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

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[640, 640]
• padding_value(list[float]): 通过此参数可以修改图片在resize时候做填充(padding)的值, 包含三个浮点型元素, 分别表示三个通道的值, 默认值为[114, 114, 114]
• is_no_pad(bool): 通过此参数让图片是否通过填充的方式进行resize, is_no_pad=True 表示不使用填充的方式，默认值为is_no_pad=False
• is_mini_pad(bool): 通过此参数可以将resize之后图像的宽高这是为最接近size成员变量的值, 并且满足填充的像素大小是可以被stride成员变量整除的。默认值为is_mini_pad=False
• stride(int): 配合stris_mini_padide成员变量使用, 默认值为stride=32

其它文档

• ScaledYOLOv4 模型介绍
• ScaledYOLOv4 C++部署
• 模型预测结果说明
• 如何切换模型推理后端引擎