FastDeploy/model_zoo/vision/modnet

MODNet 部署示例

0. 简介

当前支持模型版本为：MODNet CommitID:28165a4

本文档说明如何进行MODNet 的快速部署推理。本目录结构如下

.
├── cpp                     # C++ 代码目录
│   ├── CMakeLists.txt      # C++ 代码编译CMakeLists文件
│   ├── README.md           # C++ 代码编译部署文档
│   └── modnet.cc           # C++ 示例代码
├── api.md                  # API 说明文档
├── README.md               # MODNet 部署文档
└── modnet.py               # Python示例代码

1. 获取ONNX文件

访问MODNet官方github库，按照指引下载安装，下载模型文件，利用 onnx/export_onnx.py 得到onnx格式文件。

• 导出onnx格式文件

  python -m onnx.export_onnx \
    --ckpt-path=pretrained/modnet_photographic_portrait_matting.ckpt \
    --output-path=pretrained/modnet_photographic_portrait_matting.onnx
  

• 移动onnx文件到model_zoo/modnet的目录

  cp PATH/TO/modnet_photographic_portrait_matting.onnx PATH/TO/model_zoo/vision/modnet/
  

2. 准备测试图片

准备1张仅包含人像的测试图片，命名为matting_1.jpg，并拷贝到可执行文件所在的目录，比如

matting_1.jpg

3. 安装FastDeploy

使用如下命令安装FastDeploy，注意到此处安装的是vision-cpu，也可根据需求安装vision-gpu

# 安装fastdeploy-python工具
pip install fastdeploy-python

# 安装vision-cpu模块
fastdeploy install vision-cpu

4. Python部署

执行如下代码即会自动下载MODNet模型和测试图片

python modnet.py

执行完成后会输出检测结果如下, 可视化结果保存在vis_result.jpg中

MattingResult[Foreground(false), Alpha(Numel(65536), Shape(256,256), Min(0.000000), Max(1.000000), Mean(0.464415))]

5. 其它文档

• C++部署
• MODNet API文档