加载模型预测¶
PaddleX可以使用paddlex.load_model
接口加载模型(包括训练过程中保存的模型,导出的部署模型,量化模型以及裁剪的模型)进行预测,同时PaddleX中也内置了一系列的可视化工具函数,帮助用户方便地检查模型的效果。
注意:使用paddlex.load_model
接口加载仅用于模型预测,如需要在此模型基础上继续训练,可以将该模型作为预训练模型进行训练,具体做法是在训练代码中,将train函数中的pretrain_weights
参数指定为预训练模型路径。
图像分类¶
点击下载如下示例代码中的模型
import paddlex as pdx
test_jpg = 'mobilenetv3_small_ssld_imagenet/test.jpg'
model = pdx.load_model('mobilenetv3_small_ssld_imagenet')
result = model.predict(test_jpg)
print("Predict Result: ", result)
结果输出如下:
Predict Result: [{'category_id': 549, 'category': 'envelope', 'score': 0.29062933}]
测试图片如下:
- 分类模型predict接口说明文档
目标检测¶
点击下载如下示例代码中模型
import paddlex as pdx
test_jpg = 'yolov3_mobilenetv1_coco/test.jpg'
model = pdx.load_model('yolov3_mobilenetv1_coco')
# predict接口并未过滤低置信度识别结果,用户根据需求按score值进行过滤
result = model.predict(test_jpg)
# 可视化结果存储在./visualized_test.jpg, 见下图
pdx.det.visualize(test_jpg, result, threshold=0.3, save_dir='./')
注意:目标检测和实例分割模型在调用predict
接口得到的结果需用户自行过滤低置信度结果,在paddlex.det.visualize
接口中,我们提供了threshold
用于过滤,置信度低于此值的结果将被过滤,不会可视化。
实例分割¶
点击下载如下示例代码中模型
import paddlex as pdx
test_jpg = 'mask_r50_fpn_coco/test.jpg'
model = pdx.load_model('mask_r50_fpn_coco')
# predict接口并未过滤低置信度识别结果,用户根据需求按score值进行过滤
result = model.predict(test_jpg)
# 可视化结果存储在./visualized_test.jpg, 见下图
pdx.det.visualize(test_jpg, result, threshold=0.5, save_dir='./')
注意:目标检测和实例分割模型在调用predict
接口得到的结果需用户自行过滤低置信度结果,在paddlex.det.visualize
接口中,我们提供了threshold
用于过滤,置信度低于此值的结果将被过滤,不会可视化。
语义分割¶
点击下载如下示例代码中模型
import paddlex as pdx
test_jpg = './deeplabv3p_mobilenetv2_voc/test.jpg'
model = pdx.load_model('./deeplabv3p_mobilenetv2_voc')
result = model.predict(test_jpg)
# 可视化结果存储在./visualized_test.jpg,见下图右(左图为原图)
pdx.seg.visualize(test_jpg, result, weight=0.0, save_dir='./')
在上述示例代码中,通过调用paddlex.seg.visualize
可以对语义分割的预测结果进行可视化,可视化的结果保存在save_dir
下,见下图。其中weight
参数用于调整预测结果和原图结果融合展现时的权重,0.0时只展示预测结果mask的可视化,1.0时只展示原图可视化。
公开数据集训练模型下载¶
PaddleX提供了部分公开数据集上训练好的模型,用户可以直接下载后参照本文档加载使用。
类型 | 模型(点击下载) | 数据集 | 大小 | 指标 | 指标数值 |
---|---|---|---|---|---|
图像分类 | MobileNetV3_small_ssld | ImageNet | 13MB | Accuracy | 71.3% |
图像分类 | ResNet50_vd_ssld | ImageNet | 110MB | Accuracy | 82.4% |
目标检测 | FasterRCNN-ResNet50-FPN | MSCOCO | 179MB | Box MAP | 37.7% |
目标检测 | YOLOv3-MobileNetV1 | MSCOCO | 106MB | Box MAP | 29.3% |
目标检测 | YOLOv3-DarkNet53 | MSCOCO | 266MMB | Box MAP | 34.8% |
目标检测 | YOLOv3-MobileNetV3 | MSCOCO | 101MB | Box MAP | 31.6% |
实例分割 | MaskRCNN-ResNet50-FPN | MSCOCO | 193MB | Box MAP/Seg MAP | 38.7% / 34.7% |
语义分割 | DeepLabv3p-Xception65 | 人像分割 | - | mIoU | - |
语义分割 | HRNet_w18_small | 人像分割 | - | mIou | - |
PaddleX的load_model
接口可以满足用户一般的模型调研需求,如果是追求更高性能的预测部署,可以参考如下文档