深度学习异物检测算法_深度学习算法部署项⽬-开源
前⾔
随着深度学习的不断⽕热，涌现了很多深度学习框架，⽐如caffe tensorflow pytorch mxnet onnx等等，这些框架⼤⼤降低了深度学习的⼊门难度，配合着论⽂+强⼤的python，以及github的各种开源项⽬，⽐较容
易写出⼀个算法训练⼯程，并不断训练和迭代。但是训练⼯程的模型跑分⾼不⼀定代表项⽬部署⼯程的效果好，原因有很多，可能与训练的数据集有关，也可能与部署⼯程的代码逻辑有关，也有可能与部署⼯程的代码效率有关（部署平台的算⼒和训练平台可能有天壤之别），为了将部署⼯程的跑分效果尽可能地与训练⼯程接近，笔者做了⼀套深度学习算法部署⼯程，⽤于部署各种深度识别算法，集成了很多⾼效、优秀的图像处理模块，如neon加速，双线性插值resize，内存共享降低拷贝等等，只为保证实时视频流的⼈脸特征提取（视频中可同时存在30张移动⼈脸）。
⽬前笔者的开源⼯程处于建⽴的初期，很多模块还不完善，所以⽬前是⼀个半开源的状态，但是完全不影响⼆次开发和使⽤，接⼝⽐较简单，感兴趣可以尝试⼀下。
后续笔者会开源所有源代码，但是真⼼希望⼩伙伴们给⼀些点赞和关注，整个项⽬都是业余时间做⽐较⾟苦，如果没⼈关注了不知道能坚持多久，先⾏谢谢了！
mumulin/libalgdeploy-hi3559a g itee
mumulin/libalgdeploy-mxnet g itee
集成算法-hinnie（可扩展）
⼈脸检测
⽊⽊林：⼈脸识别部署-⼈脸检测-海思nnie-hi3559a z huanlan.zhihu
⼈脸关键点检测
⽊⽊林：⼈脸识别部署-⼈脸关键点-海思nnie-hi3559a z huanlan.zhihu
⼈脸特征提取
⽊⽊林：⼈脸识别部署-特征提取-海思nnie-hi3559a z huanlan.zhihu
⽀持硬件平台（可扩展）
linux-aarch64 hi3559a-nnie
linux-x64 mxnet
API接⼊
1 初始化
// ⼈脸检测算法初始化
Alg_Face_Detect_Init(ALG_INIT_PARAMS* _pstInitParams);
// ⼈脸关键点算法初始化
Alg_Face_LMK_Init(ALG_INIT_PARAMS* _pstInitParams);
// ⼈脸特征提取算法初始化
Alg_Face_Feature_Init(ALG_INIT_PARAMS* _pstInitParams);
2 获取图像输⼊c h w
Alg_Face_Get_Input_C(ALG_HANDLE _pHandle);
Alg_Face_Get_Input_H(ALG_HANDLE _pHandle);
Alg_Face_Get_Input_W(ALG_HANDLE _pHandle);
3 图像转换
cv图像转换成api需要的图像格式
开源项目
cv2alg(cv::Mat& _stCvImage, INT32 _s32Alignment)
4 推理
推理的图像格式根据获取到的算法图像输⼊进⾏相应变换。⽬前只实现了1个推理接⼝
// 推理整张图⽚  -  已实现
Alg_Face_Forward_Image(ALG_HANDLE _pHandle, ALG_IMAGE_S* _pstImage, INT32 _s32MaxRet, void *_pstResult);
// 根据检测框⾃动裁剪并推理  -  未实现
// 根据关键点⾃动裁剪并推理  -  未实现
算法扩展
参考alg_face_detect_v1.cpp、alg_face_lmk_v1.cpp、alg_face_feature_v1.cpp实现（上⾯的链接），定义⼀个新的算法类，继承algbasic类（NnieAlgBasic、MxAlgBasic等），根据需求实现相应的后处理ab_image_post函数。
转模型
参考笔者的转模型⼯程
mumulin/algmodelconvert g itee

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。