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

MODNet C++部署示例

本目录下提供infer.cc快速完成MODNet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

以Linux上CPU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-x64-0.7.0.tgz
tar xvf fastdeploy-linux-x64-0.7.0.tgz

mkdir build && cd build
cmake .. -DFASTDEPLOY_INSTALL_DIR=${PWD}/fastdeploy-linux-x64-0.7.0
make -j

#下载官方转换好的MODNet模型文件和测试图片

wget https://bj.bcebos.com/paddlehub/fastdeploy/modnet_photographic_portrait_matting.onnx
wget https://bj.bcebos.com/paddlehub/fastdeploy/matting_input.jpg
wget https://bj.bcebos.com/paddlehub/fastdeploy/matting_bgr.jpg


# CPU推理
./infer_demo modnet_photographic_portrait_matting.onnx matting_input.jpg matting_bgr.jpg 0
# GPU推理
./infer_demo modnet_photographic_portrait_matting.onnx matting_input.jpg matting_bgr.jpg 1
# GPU上TensorRT推理
./infer_demo modnet_photographic_portrait_matting.onnx matting_input.jpg matting_bgr.jpg 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:

MODNet C++接口

MODNet类

fastdeploy::vision::matting::MODNet(
        const string& model_file,
        const string& params_file = "",
        const RuntimeOption& runtime_option = RuntimeOption(),
        const ModelFormat& model_format = ModelFormat::ONNX)

MODNet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时，此参数传入空字符串即可
  • 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格式

Predict函数

MODNet::Predict(cv::Mat* im, MattingResult* result,
                float conf_threshold = 0.25,
                float nms_iou_threshold = 0.5)

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: 检测结果，包括检测框，各个框的置信度, MattingResult说明参考视觉模型预测结果
  • conf_threshold: 检测框置信度过滤阈值
  • nms_iou_threshold: NMS处理过程中iou阈值

类成员变量

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(vector<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[256, 256]
  • alpha(vector<float>): 预处理归一化的alpha值，计算公式为x'=x*alpha+beta，alpha默认为[1. / 127.5, 1.f / 127.5, 1. / 127.5]
  • beta(vector<float>): 预处理归一化的beta值，计算公式为x'=x*alpha+beta，beta默认为[-1.f, -1.f, -1.f]
  • swap_rb(bool): 预处理是否将BGR转换成RGB，默认true