README_CN.md

English | 简体中文

PP-TinyPose 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. 根据开发环境，下载预编译部署库和samples代码，参考FastDeploy预编译库

本目录下提供pptinypose_infer.py快速完成PP-TinyPose在CPU/GPU，以及GPU上通过TensorRT加速部署的单图单人关键点检测示例。执行如下脚本即可完成

注意: PP-Tinypose单模型目前只支持单图单人关键点检测，因此输入的图片应只包含一个人或者进行过裁剪的图像。多人关键点检测请参考PP-TinyPose Pipeline

#下载部署示例代码
git clone https://github.com/PaddlePaddle/FastDeploy.git
cd FastDeploy/examples/vision/keypointdetection/tiny_pose/python

# 下载PP-TinyPose模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/PP_TinyPose_256x192_infer.tgz
tar -xvf PP_TinyPose_256x192_infer.tgz
wget https://bj.bcebos.com/paddlehub/fastdeploy/hrnet_demo.jpg

# CPU推理
python pptinypose_infer.py --tinypose_model_dir PP_TinyPose_256x192_infer --image hrnet_demo.jpg --device cpu
# GPU推理
python pptinypose_infer.py --tinypose_model_dir PP_TinyPose_256x192_infer --image hrnet_demo.jpg --device gpu
# GPU上使用TensorRT推理 （注意：TensorRT推理第一次运行，有序列化模型的操作，有一定耗时，需要耐心等待）
python pptinypose_infer.py --tinypose_model_dir PP_TinyPose_256x192_infer --image hrnet_demo.jpg --device gpu --use_trt True
# 昆仑芯XPU推理
python pptinypose_infer.py --tinypose_model_dir PP_TinyPose_256x192_infer --image hrnet_demo.jpg --device kunlunxin

运行完成可视化结果如下图所示

PP-TinyPose Python接口

fd.vision.keypointdetection.PPTinyPose(model_file, params_file, config_file, runtime_option=None, model_format=ModelFormat.PADDLE)

PP-TinyPose模型加载和初始化，其中model_file, params_file以及config_file为训练模型导出的Paddle inference文件，具体请参考其文档说明模型导出

参数

• model_file(str): 模型文件路径
• params_file(str): 参数文件路径
• config_file(str): 推理部署配置文件
• 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Paddle格式

predict函数

PPTinyPose.predict(input_image)

模型预测结口，输入图像直接输出检测结果。

参数

• input_image(np.ndarray): 输入数据，注意需为HWC，BGR格式

返回

返回fastdeploy.vision.KeyPointDetectionResult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

后处理参数

用户可按照自己的实际需求，修改下列后处理参数，从而影响最终的推理和部署效果

• use_dark(bool): 是否使用DARK进行后处理参考论文

其它文档

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