百度飞桨学习——使用PaddleHub实现人脸检测
百度飞桨学习——使用PaddleHub实现人脸检测
本示例 https://aistudio.baidu.com/aistudio/projectdetail/403504 利用Ultra-Light-Fast-Generic-Face-Detector-1MB模型完成人脸检测。该模型是针对边缘计算设备或低算力设备(如用ARM推理)设计的实时超轻量级通用人脸检测模型,可以在低算力设备中如用ARM进行实时的通用场景的人脸检测推理。
环境安装
CUDA和cuDNN的安装可以查看我写过的一篇文章
https://blog.csdn.net/CANGYE0504/article/details/104455394
安装完成后我们接下来安装飞桨
飞桨各个版本的安装可以参考
https://www.paddlepaddle.org.cn/install/quick
我这边系统是ubuntu 19.10
,CUDA 10.1
当然,首先建议在虚拟环境下安装,虚拟环境的配置可以参考
https://blog.csdn.net/CANGYE0504/article/details/105158753
安装好虚拟环境后,我们新建一个虚拟环境paddleproject
mkvirtualenv paddleproject
- 1
> $ mkvirtualenv paddleproject
created virtual environment CPython3.7.5.final.0-64 in 219ms
creator CPython3Posix(dest=/home/mrcangye/.virtualenvs/paddleproject, clear=False, global=False)
seeder FromAppData(download=False, pip=latest, setuptools=latest, wheel=latest, via=copy, app_data_dir=/home/mrcangye/.local/share/virtualenv/seed-app-data/v1.0.1)
activators BashActivator,CShellActivator,FishActivator,PowerShellActivator,PythonActivator,XonshActivator
virtualenvwrapper.user_scripts creating /home/mrcangye/.virtualenvs/paddleproject/bin/predeactivate
virtualenvwrapper.user_scripts creating /home/mrcangye/.virtualenvs/paddleproject/bin/postdeactivate
virtualenvwrapper.user_scripts creating /home/mrcangye/.virtualenvs/paddleproject/bin/preactivate
virtualenvwrapper.user_scripts creating /home/mrcangye/.virtualenvs/paddleproject/bin/postactivate
virtualenvwrapper.user_scripts creating /home/mrcangye/.virtualenvs/paddleproject/bin/get_env_details
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
接下来在虚拟环境中安装飞桨
python3 -m pip install paddlepaddle-gpu==1.7.1.post107 -i https://mirror.baidu.com/pypi/simple
- 1
安装完成后我们测试安装情况
首先在虚拟环境终端下输入python3,再输入以下代码
(paddleproject) > $ python3
Python 3.7.5 (default, Nov 20 2019, 09:21:52)
[GCC 9.2.1 20191008] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import paddle.fluid
>>> paddle.fluid.install_check.run_check()
- 1
- 2
- 3
- 4
- 5
- 6
如果最后一行显示:
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let's start deep Learning with Paddle now
- 1
- 2
这样就安装成功啦
接下来我们安装人脸检测需要的包
pip3 install paddlehub==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 1
这个包安装完成后,我们所有必须的环境就已经安装完毕。
图片选择
以最近比较火的黑人专业团队为待预测图片
这个图片名为test.jpg
如果你这边有好多图片,那么我们可以在目录下新建一个txt
文件,将图片地址一行一行写上去,再让python
读取就可以啦。例如以下情况。
# test.txt
./test.jpg
- 1
- 2
程序设计
毕竟是个项目,我们要新建一个项目文件,不如叫paddlecv
mkdir paddlecv
- 1
然后再把图像和txt
移到文件里
接下来我们编写程序paddlecv.py
#paddlecv.py
import paddlehub as hub
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
# 打开文件写的图像地址,读取图像
with open('test.txt', 'r') as f:
test_img_path=[]
for line in f:
test_img_path.append(line.strip())
print(test_img_path)
# 模型加载
module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")
input_dict = {"image": test_img_path}
# 模型处理
results = module.face_detection(data=input_dict,visualization=True)
for result in results:
print(result)
# 预测结果展示
img = mpimg.imread("face_detector_640_predict_output/test.jpg")
plt.figure(figsize=(10,10))
plt.imshow(img)
plt.axis('off')
plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
这个程序写好之后就可以运行,运行结果就是酱紫的:
毕竟人家是专业团队……
文章来源: blog.csdn.net,作者:沧夜2021,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/CANGYE0504/article/details/105556693
- 点赞
- 收藏
- 关注作者
评论(0)