Skip to content

Latest commit

 

History

History
 
 

cpp

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
CMakeLists.txt
CMakeLists.txt
 
 
README.md
README.md
 
 
infer.cc
infer.cc
 
 

README.md

PaddleSeg C++部署示例

本目录下提供infer.cc快速完成Unet在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。

在部署前，需确认以下两个步骤

【注意】如你部署的为PP-Matting、PP-HumanMatting以及ModNet请参考Matting模型部署

以Linux上推理为例，在本目录执行如下命令即可完成编译测试

wget https://bj.bcebos.com/fastdeploy/release/cpp/fastdeploy-linux-x64-gpu-0.4.0.tgz
tar xvf fastdeploy-linux-x64-gpu-0.4.0.tgz
cd fastdeploy-linux-x64-gpu-0.4.0/examples/vision/segmentation/paddleseg/cpp/
mkdir build
cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/../../../../../../../fastdeploy-linux-x64-gpu-0.4.0
make -j

# 下载Unet模型文件和测试图片
wget https://bj.bcebos.com/paddlehub/fastdeploy/Unet_cityscapes_without_argmax_infer.tgz
tar -xvf Unet_cityscapes_without_argmax_infer.tgz
wget https://paddleseg.bj.bcebos.com/dygraph/demo/cityscapes_demo.png


# CPU推理
./infer_demo Unet_cityscapes_without_argmax_infer cityscapes_demo.png 0
# GPU推理
./infer_demo Unet_cityscapes_without_argmax_infer cityscapes_demo.png 1
# GPU上TensorRT推理
./infer_demo Unet_cityscapes_without_argmax_infer cityscapes_demo.png 2

运行完成可视化结果如下图所示

以上命令只适用于Linux或MacOS, Windows下SDK的使用方式请参考:

PaddleSeg C++接口

PaddleSeg类

fastdeploy::vision::segmentation::PaddleSegModel(
        const string& model_file,
        const string& params_file = "",
        const string& config_file,
        const RuntimeOption& runtime_option = RuntimeOption(),
        const ModelFormat& model_format = ModelFormat::PADDLE)

PaddleSegModel模型加载和初始化，其中model_file为导出的Paddle模型格式。

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

PaddleSegModel::Predict(cv::Mat* im, DetectionResult* result)

模型预测接口，输入图像直接输出检测结果。

参数

  • im: 输入图像，注意需为HWC，BGR格式
  • result: 分割结果，包括分割预测的标签以及标签对应的概率值, SegmentationResult说明参考视觉模型预测结果

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

  • is_vertical_screen(bool): PP-HumanSeg系列模型通过设置此参数为true表明输入图片是竖屏，即height大于width的图片

后处理参数

  • appy_softmax(bool): 当模型导出时，并未指定apply_softmax参数，可通过此设置此参数为true，将预测的输出分割标签（label_map）对应的概率结果(score_map)做softmax归一化处理