PaddleHub可以便捷地獲取PaddlePaddle生態(tài)下的預(yù)訓(xùn)練模型蚁廓，完成模型的管理和一鍵預(yù)測(cè)述么。配合使用Fine-tune API击狮，可以基于大規(guī)模預(yù)訓(xùn)練模型快速完成遷移學(xué)習(xí)戈钢，讓預(yù)訓(xùn)練模型能更好地服務(wù)于用戶特定場(chǎng)景的應(yīng)用察署。
本次介紹如何使用paddlehub實(shí)現(xiàn)人臉檢測(cè)涝桅。
模型概述
Ultra-Light-Fast-Generic-Face-Detector-1MB是針對(duì)邊緣計(jì)算設(shè)備或低算力設(shè)備(如用ARM推理)設(shè)計(jì)的實(shí)時(shí)超輕量級(jí)通用人臉檢測(cè)模型拜姿，可以在低算力設(shè)備中如用ARM進(jìn)行實(shí)時(shí)的通用場(chǎng)景的人臉檢測(cè)推理。該P(yáng)addleHub Module的預(yù)訓(xùn)練數(shù)據(jù)集為WIDER FACE數(shù)據(jù)集冯遂，可支持預(yù)測(cè)蕊肥，在預(yù)測(cè)時(shí)會(huì)將圖片輸入縮放為640 * 480。
代碼如下：
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import paddlehub as hub
module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
# 待預(yù)測(cè)圖片
test_img_path = ["./crowd1.jpg"]
img = mpimg.imread(test_img_path[0])
# 展示待預(yù)測(cè)圖片
plt.imshow(img)
plt.axis('off')
plt.show()
input_dict = {"image": test_img_path}
# execute predict and print the result
results = module.face_detection(data=input_dict)
for result in results:
? ? print(result)
# 預(yù)測(cè)結(jié)果展示
img = mpimg.imread("./face_detector_640_predict_output/crowd1.jpg")
plt.imshow(img)
plt.axis('off')
plt.show()
效果：
