中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

自百度開源業(yè)界首個口罩人臉檢測及分類模型之后，開發(fā)者社區(qū)進行了充分討論并提出了該模型存在的一些問題和不足。在本文中，百度飛槳官方對這些反饋積極回應(yīng)，同時提出四大升級方案，為開發(fā)者一一解惑。

2 月 13 日，機器之心全網(wǎng)首發(fā)文章《AI 戰(zhàn)「疫」：百度開源業(yè)界首個口罩人臉檢測及分類模型》，文中介紹，該模型可以有效檢測在密集人流區(qū)域中攜帶和未攜戴口罩的所有人臉，同時判斷是否佩戴口罩。

由于目前正值很多企業(yè)復(fù)工，口罩檢測對于后續(xù)復(fù)工的安全性毋庸置疑，文章一經(jīng)發(fā)出，在開發(fā)者社區(qū)引起巨大反響，截至目前發(fā)稿，百度飛槳官方技術(shù)交流 QQ 群已經(jīng)達到人數(shù)上限，再加入的同學，只能加入新群。

在技術(shù)討論群里，廣大開發(fā)者針對口罩人臉檢測與分類模型的技術(shù)應(yīng)用展開了充分的討論，有些開發(fā)者實戰(zhàn)反饋，模型在實際場景下還是有一些提升空間。

比如這樣，一張神秘形狀的紙被判斷為口罩，

再比如這樣的，一個銷魂的手指擋住了口鼻，

除了 badcase 本身，很多開發(fā)者還遇到了各種各樣的問題，比如實際的環(huán)境很復(fù)雜，中遠景模型效果還不錯，但是近景就會不太理想。還有的是監(jiān)控攝像頭的像素分辨率，也會帶來不同的判斷結(jié)果。同時，更多的需求也反饋出來：

1. 能不能開放模型的一些接口出來？

2. 在 PC 端，除了 python 部署，有沒有高性能的 C++部署教程呀？

3. 如果想做視頻流的檢測，應(yīng)該怎么辦呀？

需求很多，百度飛槳給出的答案是肯定的。

作為國內(nèi)唯一的開源開放深度學習平臺，技術(shù)服務(wù)支持肯定是沒得說，能給的都給你，四波寵粉的新進展為開發(fā)者奉上！

第一波：口罩模型性能升級

針對用戶提出的 badcase 問題，口罩人臉檢測與分類模型研發(fā)人員也是高度重視，并且迅速開展了 V1.1.0 的優(yōu)化，增補了更多的數(shù)據(jù)集，使得訓(xùn)練準確率進一步提升。通過開放接口，增加金字塔策略等方式，使得在各種極端尺寸下檢測不到人臉的問題得到改善，召回率也有明顯提升。同時，口罩分類模型也經(jīng)過一周有效的數(shù)據(jù)迭代，準確率從之前的 96.5% 提升到 97.27%，優(yōu)化效果對比：

左側(cè)為優(yōu)化前右側(cè)為優(yōu)化后。

可以看到，新加入大量數(shù)據(jù)集重訓(xùn)之后的第二版模型，在一些特別的場景下：比如面部異物、口鼻遮擋、側(cè)臉等 case 下都有明顯的質(zhì)量提升。

而且，隨著更多開發(fā)者提供的更加龐大的數(shù)據(jù)和 badcase 增加，數(shù)據(jù)模型仍在不斷的改進中，有興趣的開發(fā)者也歡迎持續(xù)關(guān)注。

那么，有開發(fā)者肯定想問了，我想用新模型應(yīng)該怎么用啊？非常簡單，1 個參數(shù)搞定

第二波：PaddleHub 新 Feature

選擇升級到新版本

# 加載 pyramidbox_lite_server_mask, 選擇最新的模型版本 1.1.0，則會自動升級至該版本

接口新參數(shù)

def face_detection(
data,
use_gpu=False,
batch_size=1,
shrink=0.5,
use_multi_scale=False
)

shrink

該參數(shù)用于設(shè)置圖片的縮放比例，輸入值應(yīng)位于區(qū)間 (0 ~ 1]，默認為 0.5

調(diào)用示例

參數(shù)影響

shrink 值越大，則對于輸入圖片中的小尺寸人臉有更好的檢測效果，反之則對于大尺寸人臉有更好的檢測。同時，shrink 值越大，則模型計算成本越高。

建議用戶根據(jù)實際應(yīng)用場景調(diào)整該值，盡可能使輸入圖像的人臉尺寸在縮放后分布于 8 ~ 130pix 之間

use_multi_scale

該參數(shù)用于設(shè)置是否開啟多尺度的人臉檢測，默認為關(guān)閉

調(diào)用示例

module = hub.Module(name='pyramidbox_lite_server_mask', version='1.1.0')
input_data = {'image':['/PATH/TO/IMAGE']}
module.face_detection(data=input_data, use_multi_scale=True)

參數(shù)影響

開啟多尺度人臉檢測能夠更好的檢測到輸入圖像中不同尺寸的人臉，但是會增加模型計算量，降低預(yù)測速度，建議在對人臉漏檢要求比較低的場景下開啟該設(shè)置。

這兩個關(guān)鍵參數(shù)接口的開放，可以滿足很大一部分場景下的業(yè)務(wù)需求，迅速提升性能。

升級后的模型，調(diào)參之后準確率妥妥的了，但是開發(fā)者落地遇到部署問題又不會了，來來來，PaddleHub 來教你！

第三波：基于 PaddleHub 實現(xiàn)口罩佩戴檢測應(yīng)用落地部署

在第一版的模型發(fā)布中，我們提供了一行代碼服務(wù)器端部署，可以通過 PaddleHub 快速體驗?zāi)Ｐ托Ч?、搭建在線服務(wù)，

隨著第二版模型的發(fā)布，基于飛槳本次開源的口罩佩戴識別模型, 提供了一個完整的支持視頻流的 Web Demo，以及高性能的 Python 和 C++集成部署方案, 適用于不同場景下的軟件集成。

完整的視頻流演示 DEMO：https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.5/demo/mask_detection

該 Demo 演示了對視頻的實時口罩佩戴檢測，同時可以將沒有佩戴的口罩人臉記錄下來。類似的應(yīng)用可以部署在大型場館出入口，學校，醫(yī)院，交通通道出入口，人臉識別閘機，機器人上，支持的方案有：安卓方案（如 RK3399 的人臉識別機，機器人），Ubuntu 邊緣計算，WindowsPC+攝像頭，識別率 80%~90%。如果對于人臉識別機場景，精度要求會比較高，模型應(yīng)用時需要對清晰度、距離、圖像大小等因素進行調(diào)整后部署。

視頻鏈接：https://www.bilibili.com/video/av88962128

效果分析

可以看到識別率在 80~90% 之前，稍小的人臉有誤識別的情況，有些擋住嘴的場景也被誤識別成了戴口罩，一個人帶著口罩，鼻子漏出來識別成沒有戴口罩，這個是合理的因為的鼻子漏出來是佩戴不規(guī)范。這個模型應(yīng)用在門口，狹長通道，人臉識別機所在位置都是可以的。

感興趣的同學們趕緊試試吧

也有開發(fā)者提到，之前的 PaddleHub 一鍵服務(wù)化部署方案確實非常簡單，但是無法滿足一些對速度敏感的場景和軟件集成得需求。那沒問題啊，高性能的部署集成方案百度飛槳也提供哈。

高性能 Python/C++部署方案

1、首先需要安裝 PaddleHub

• 環(huán)境依賴 Python==2.7 or Python>=3.5 for Linux or Mac，Python>=3.6 for Windows，PaddlePaddle>=1.5

• 安裝方式：pip install paddlehub

2、從 PaddleHub 導(dǎo)出預(yù)測模型

在有網(wǎng)絡(luò)訪問條件下，執(zhí)行 python export_model.py 導(dǎo)出兩個可用于推理部署的口罩模型，其中：pyramidbox_lite_mobile_mask 為移動版模型, 模型更小，計算量低；pyramidbox_lite_server_mask 為服務(wù)器版模型，在此推薦該版本模型，精度相對移動版本更高，也是本次重點精度升級的模型。

成功執(zhí)行代碼后導(dǎo)出的模型路徑結(jié)構(gòu)：

3. Python 預(yù)測部署編譯

支持在 Windows 和 Linux 上編譯并部署 Python 項目，內(nèi)容比較長，建議可以直接參考鏈接文檔：https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.5/demo/mask_detection/python

4. C++預(yù)測部署編譯

本項目支持在 Windows 和 Linux 上編譯并部署 C++項目，流程比較復(fù)雜，建議直接參考鏈接文檔：https://github.com/PaddlePaddle/PaddleHub/tree/release/v1.5/demo/mask_detection/cpp

綜合預(yù)測性能評測

通過內(nèi)部的數(shù)據(jù)評測，相比于 PaddleHub 原生 API，借助飛槳高性能預(yù)測引擎，在 GPU 條件下速度提升了 300%，CPU 可以提速 50%。

簡直效果炸裂，如果對于預(yù)測速度有要求的開發(fā)者，歡迎使用高性能預(yù)測方案部署。

第四波：文檔教程豐富與開發(fā)者生態(tài)貢獻交流

2 月 13 日稿件發(fā)出后，也有開發(fā)者在 QQ 群反饋說之前對 PaddleHub 特性了解不夠深入，能不能提供一些系統(tǒng)性的介紹。以下為飛槳團隊為開發(fā)者提供的教程資源：

• AIStudio 在線教程：https://aistudio.baidu.com/aistudio/projectDetail/267322

• B 站視頻：https://www.bilibili.com/video/av89960161?from=search&seid=3613394603372565887

目前，開源的口罩人臉檢測與識別模型，已經(jīng)在中油瑞飛等多家企業(yè)實際應(yīng)用落地，對于企業(yè)的順利復(fù)工提供安全保障，也歡迎更多的開發(fā)者和企業(yè)能夠加入進來，發(fā)揮 AI 的力量，眾志成城，抗擊疫情。