跳转至

人脸检测

模型基本信息

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 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，可用于人脸检测。

参考：https://github.com/PaddlePaddle/PaddleHub/tree/release/v2.2/modules/image/face_detection/pyramidbox_lite_server

样本结果示例

输入文件路径，模型将给出它的预测：

图片来源 (https://www.pexels.com)

![人脸](/assets/images/examples/paddle/face.jpg){ width="300" }

人脸

现在就来试试吧

先决条件

1、环境依赖

请访问 依赖项

2、pyramidbox_lite_server 依赖

  • paddlepaddle >= 1.6.2

  • paddlehub >= 1.6.0

3、下载模型

hub install pyramidbox_lite_server

服务模型

安装 Pinferencia

首先，让我们安装 Pinferencia。

pip install "pinferencia[streamlit]"

创建app.py

让我们将我们的预测函数保存到一个文件 app.py 中并添加一些行来注册它。

app.py
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import base64

import cv2
import numpy as np
import paddlehub as hub

from pinferencia import Server

face_detector = hub.Module(name="pyramidbox_lite_server")


def base64_str_to_cv2(base64_str: str) -> np.ndarray:
    return cv2.imdecode(
        np.fromstring(base64.b64decode(base64_str), np.uint8), cv2.IMREAD_COLOR
    )


def predict(base64_img_str: str):
    return face_detector.face_detection(
        images=[base64_str_to_cv2(base64_img_str)], visualization=True, output_dir="./"
    )


service = Server()
service.register(model_name="face_detector", model=predict)

运行服务，等待它加载模型并启动服务器：

$ uvicorn app:service --reload
INFO:     Started server process [xxxxx]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

测试服务

提示

图片存在于 service 机器上，可输入对于 service 文件的相对路径或者是文件的绝对路径

请求

curl --location --request POST \
    'http://127.0.0.1:8000/v1/models/face_detector/predict' \
    --header 'Content-Type: application/json' \
    --data-raw '{
        "data": "{base64 encoded image}"
    }'

响应

{
    "model_name": "face_detector",
    "model_version": "default",
    "data": [
        {
            "data": [
                {
                    "confidence": 0.9984221458435059,
                    "left": 519,
                    "top": 447,
                    "right": 755,
                    "bottom": 750
                }
            ],
            "path": "ndarray_time=1655802174713885.0"
        }
    ]
}

创建test.py。

test.py
1
2
3
4
5
6
7
8
9
import requests


response = requests.post(
    url="http://localhost:8000/v1/models/face_detector/predict",
    headers = {"Content-type": "application/json"},
    json={"data": "{base64 encoded image}"},
)
print(response.json())
运行脚本并检查结果。

$ python test.py
{
    "model_name": "face_detector",
    "model_version": "default",
    "data": [
        {
            "data": [
                {
                    "confidence": 0.9984221458435059,
                    "left": 519,
                    "top": 447,
                    "right": 755,
                    "bottom": 750
                }
            ],
            "path": "ndarray_time=1655802174713885.0"
        }
    ]
}