Skip to content

Latest commit

 

History

History
 
 

resnet50_vd_wildanimals

README.md

resnet50_vd_wildanimals

模型名称 resnet50_vd_wildanimals
类别 图像-图像分类
网络 ResNet_vd
数据集 IFAW 自建野生动物数据集
是否支持Fine-tuning 否
模型大小 92MB
最新更新日期 -
数据指标 -

一、模型基本信息

  • 模型介绍

    • ResNet-vd 其实就是 ResNet-D，是ResNet 原始结构的变种，可用于图像分类和特征提取。该 PaddleHub Module 采用百度自建野生动物数据集训练得到，支持'象牙制品','象牙', '大象', '虎皮', '老虎', '虎牙/虎爪/虎骨', '穿山甲甲片', '穿山甲', '穿山甲爪子', '其他' 这十个标签的识别。模型的详情可参考论文。

二、安装

三、模型API预测

  • 1、命令行预测

    • $ hub run resnet50_vd_wildanimals --input_path "/PATH/TO/IMAGE"
    • 通过命令行方式实现分类模型的调用，更多请见 PaddleHub命令行指令

  • 2、预测代码示例

    • import paddlehub as hub
import cv2

classifier = hub.Module(name="resnet50_vd_wildanimals")
result = classifier.classification(images=[cv2.imread('/PATH/TO/IMAGE')])
# or
# result = classifier.classification(paths=['/PATH/TO/IMAGE'])

  • 3、API

    • def classification(images=None,
                   paths=None,
                   batch_size=1,
                   use_gpu=False,
                   top_k=1):

      • 分类接口API。

      • 参数

        • images (list[numpy.ndarray]): 图片数据，每一个图片数据的shape 均为 [H, W, C]，颜色空间为 BGR；
        • paths (list[str]): 图片的路径；
        • batch_size (int): batch 的大小；
        • use_gpu (bool): 是否使用 GPU；若使用GPU，请先设置CUDA_VISIBLE_DEVICES环境变量
        • top_k (int): 返回预测结果的前 k 个。

      • 返回

        • res (list[dict]): 分类结果，列表的每一个元素均为字典，其中 key 为识别的菜品类别，value为置信度。

四、服务部署

  • PaddleHub Serving可以部署一个野生动物及其制品识别的在线服务。

  • 第一步：启动PaddleHub Serving

    • 运行启动命令：

    • $ hub serving start -m resnet50_vd_wildanimals

    • 这样就完成了一个野生动物及其制品识别的在线服务的部署，默认端口号为8866。

    • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

  • 第二步：发送预测请求

    • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

    • import requests
import json
import cv2
import base64

def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')

# 发送HTTP请求
data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/resnet50_vd_wildanimals"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(r.json()["results"])

五、更新历史

  • 1.0.0

    初始发布

    • $ hub install resnet50_vd_wildanimals==1.0.0