quick_start_recognition.md 16.9 KB
Newer Older
littletomatodonkey's avatar
littletomatodonkey 已提交
1 2 3 4 5 6 7 8 9 10
# 图像识别快速开始

本文档包含 3 个部分:环境配置、图像识别体验、未知类别的图像识别体验。

如果图像类别已经存在于图像索引库中,那么可以直接参考[图像识别体验](#图像识别体验)章节,完成图像识别过程;如果希望识别未知类别的图像,即图像类别之前不存在于索引库中,那么可以参考[未知类别的图像识别体验](#未知类别的图像识别体验)章节,完成建立索引并识别的过程。

## 目录

* [1. 环境配置](#环境配置)
* [2. 图像识别体验](#图像识别体验)
S
sibo2rr 已提交
11
  * [2.1 下载、解压 inference 模型与 demo 数据](#2.1)
littletomatodonkey's avatar
littletomatodonkey 已提交
12
  * [2.2 瓶装饮料识别与检索](#瓶装饮料识别与检索)
littletomatodonkey's avatar
littletomatodonkey 已提交
13 14 15 16 17 18
    * [2.2.1 识别单张图像](#识别单张图像)
    * [2.2.2 基于文件夹的批量识别](#基于文件夹的批量识别)
* [3. 未知类别的图像识别体验](#未知类别的图像识别体验)
  * [3.1 准备新的数据与标签](#准备新的数据与标签)
  * [3.2 建立新的索引库](#建立新的索引库)
  * [3.3 基于新的索引库的图像识别](#基于新的索引库的图像识别)
littletomatodonkey's avatar
littletomatodonkey 已提交
19
* [4. 服务端识别模型列表](#4)
littletomatodonkey's avatar
littletomatodonkey 已提交
20 21

<a name="环境配置"></a>
S
sibo2rr 已提交
22

littletomatodonkey's avatar
littletomatodonkey 已提交
23 24
## 1. 环境配置

S
sibo2rr 已提交
25
* 安装:请先参考 [Paddle 安装教程](../installation/install_paddle.md) 以及 [PaddleClas 安装教程](../installation/install_paddleclas.md) 配置 PaddleClas 运行环境。
littletomatodonkey's avatar
littletomatodonkey 已提交
26 27 28 29 30 31 32 33

* 进入 `deploy` 运行目录。本部分所有内容与命令均需要在 `deploy` 目录下运行,可以通过下面的命令进入 `deploy` 目录。

  ```
  cd deploy
  ```

<a name="图像识别体验"></a>
S
sibo2rr 已提交
34

littletomatodonkey's avatar
littletomatodonkey 已提交
35 36
## 2. 图像识别体验

littletomatodonkey's avatar
littletomatodonkey 已提交
37
轻量级通用主体检测模型与轻量级通用识别模型和配置文件下载方式如下表所示。
littletomatodonkey's avatar
littletomatodonkey 已提交
38

39 40
<a name="轻量级通用主体检测模型与轻量级通用识别模型"></a>

S
stephon 已提交
41 42
| 模型简介       | 推荐场景   | inference 模型  | 预测配置文件  |
| ------------  | ------------- | -------- | ------- |
B
Bin Lu 已提交
43
| 轻量级通用主体检测模型 | 通用场景  |[tar 格式下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar) [zip 格式文件下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.zip) | - |
S
stephon 已提交
44
| 轻量级通用识别模型 | 通用场景  | [tar 格式下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/general_PPLCNet_x2_5_lite_v1.0_infer.tar) [zip 格式文件下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/general_PPLCNet_x2_5_lite_v1.0_infer.zip) | [inference_general.yaml](../../../deploy/configs/inference_general.yaml) |
B
Bin Lu 已提交
45
| 轻量级通用识别二值模型 | 检索库很大, 存储受限场景  | [tar 格式下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/general_PPLCNet_x2_5_lite_binary_v1.0_infer.tar) [zip 格式文件下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/general_PPLCNet_x2_5_lite_binary_v1.0_infer.zip)| [inference_general_binary.yaml](../../../deploy/configs/inference_general_binary.yaml) |
G
gaotingquan 已提交
46 47

注意:由于部分解压缩软件在解压上述 `tar` 格式文件时存在问题,建议非命令行用户下载 `zip` 格式文件并解压。`tar` 格式文件建议使用命令 `tar xf xxx.tar` 解压。
littletomatodonkey's avatar
littletomatodonkey 已提交
48

littletomatodonkey's avatar
littletomatodonkey 已提交
49 50 51 52 53
本章节 demo 数据下载地址如下: [瓶装饮料数据下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/drink_dataset_v1.0.tar)


如果希望体验服务端主体检测和各垂类方向的识别模型,可以参考[第4章](#4)

littletomatodonkey's avatar
littletomatodonkey 已提交
54 55
**注意**

56
1. windows 环境下如果没有安装 wget, 可以按照下面的步骤安装 wget 与 tar 命令,也可以在下载模型时将链接复制到浏览器中下载,并解压放置在相应目录下; linux 或者 macOS 用户可以右键点击,然后复制下载链接,即可通过 `wget` 命令下载。
littletomatodonkey's avatar
littletomatodonkey 已提交
57 58 59 60 61
2. 如果 macOS 环境下没有安装 `wget` 命令,可以运行下面的命令进行安装。

```shell
# 安装 homebrew
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)";
S
sibo2rr 已提交
62
# 安装 wget
littletomatodonkey's avatar
littletomatodonkey 已提交
63 64 65
brew install wget
```

66
4. 如果希望在 windows 环境下安装 wget,可以参考:[链接](https://www.cnblogs.com/jeshy/p/10518062.html);如果希望在 windows 环境中安装 tar 命令,可以参考:[链接](https://www.cnblogs.com/chooperman/p/14190107.html)
littletomatodonkey's avatar
littletomatodonkey 已提交
67 68 69 70 71 72 73


* 可以按照下面的命令下载并解压数据与模型

```shell
mkdir models
cd models
S
sibo2rr 已提交
74
# 下载识别 inference 模型并解压
littletomatodonkey's avatar
littletomatodonkey 已提交
75 76 77
wget {模型下载链接地址} && tar -xf {压缩包的名称}
cd ..

S
sibo2rr 已提交
78
# 下载 demo 数据并解压
littletomatodonkey's avatar
littletomatodonkey 已提交
79 80 81
wget {数据下载链接地址} && tar -xf {压缩包的名称}
```

S
sibo2rr 已提交
82
<a name="2.1"></a>
G
gaotingquan 已提交
83

littletomatodonkey's avatar
littletomatodonkey 已提交
84 85
### 2.1 下载、解压 inference 模型与 demo 数据

littletomatodonkey's avatar
littletomatodonkey 已提交
86
下载 demo 数据集以及轻量级主体检测、识别模型,命令如下。
littletomatodonkey's avatar
littletomatodonkey 已提交
87 88 89 90 91

```shell
mkdir models
cd models
# 下载通用检测 inference 模型并解压
littletomatodonkey's avatar
littletomatodonkey 已提交
92
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar && tar -xf picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar
littletomatodonkey's avatar
littletomatodonkey 已提交
93
# 下载识别 inference 模型并解压
littletomatodonkey's avatar
littletomatodonkey 已提交
94
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/general_PPLCNet_x2_5_lite_v1.0_infer.tar && tar -xf general_PPLCNet_x2_5_lite_v1.0_infer.tar
littletomatodonkey's avatar
littletomatodonkey 已提交
95 96 97

cd ../
# 下载 demo 数据并解压
littletomatodonkey's avatar
littletomatodonkey 已提交
98
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/drink_dataset_v1.0.tar && tar -xf drink_dataset_v1.0.tar
littletomatodonkey's avatar
littletomatodonkey 已提交
99 100
```

littletomatodonkey's avatar
littletomatodonkey 已提交
101
解压完毕后,`drink_dataset_v1.0/` 文件夹下应有如下文件结构:
littletomatodonkey's avatar
littletomatodonkey 已提交
102 103

```
littletomatodonkey's avatar
littletomatodonkey 已提交
104 105 106 107
├── drink_dataset_v1.0/
│   ├── gallery/
│   ├── index/
│   ├── test_images/
littletomatodonkey's avatar
littletomatodonkey 已提交
108 109 110
├── ...
```

111
其中 `gallery` 文件夹中存放的是用于构建索引库的原始图像,`index` 表示基于原始图像构建得到的索引库信息,`test_images` 文件夹中存放的是用于测试识别效果的图像列表。
littletomatodonkey's avatar
littletomatodonkey 已提交
112 113 114 115 116


`models` 文件夹下应有如下文件结构:

```
littletomatodonkey's avatar
littletomatodonkey 已提交
117
├── general_PPLCNet_x2_5_lite_v1.0_infer
littletomatodonkey's avatar
littletomatodonkey 已提交
118 119 120
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel
littletomatodonkey's avatar
littletomatodonkey 已提交
121
├── picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer
littletomatodonkey's avatar
littletomatodonkey 已提交
122 123 124 125 126 127 128
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel
```

**注意**

129
如果使用服务端通用识别模型,Demo 数据需要重新提取特征、够建索引,方式如下:
littletomatodonkey's avatar
littletomatodonkey 已提交
130 131

```shell
littletomatodonkey's avatar
littletomatodonkey 已提交
132
# 下面是使用下载的服务端商品识别模型进行索引库构建
S
stephon 已提交
133
python3.7 python/build_gallery.py -c configs/inference_general.yaml -o Global.rec_inference_model_dir=./models/general_PPLCNet_x2_5_lite_v1.0_infer
littletomatodonkey's avatar
littletomatodonkey 已提交
134 135
```

littletomatodonkey's avatar
littletomatodonkey 已提交
136
<a name="瓶装饮料识别与检索"></a>
137

littletomatodonkey's avatar
littletomatodonkey 已提交
138
### 2.2 瓶装饮料识别与检索
littletomatodonkey's avatar
littletomatodonkey 已提交
139

littletomatodonkey's avatar
littletomatodonkey 已提交
140
以瓶装饮料识别 demo 为例,展示识别与检索过程(如果希望尝试其他方向的识别与检索效果,在下载解压好对应的 demo 数据与模型之后,替换对应的配置文件即可完成预测)。
littletomatodonkey's avatar
littletomatodonkey 已提交
141 142 143 144 145 146 147

注意,此部分使用了 `faiss` 作为检索库,安装方法如下:

```python
pip install faiss-cpu==1.7.1post2
```

148
若使用时,不能正常引用,则 `uninstall` 之后,重新 `install`,尤其是 windows 下。
littletomatodonkey's avatar
littletomatodonkey 已提交
149 150 151 152 153

<a name="识别单张图像"></a>

#### 2.2.1 识别单张图像

littletomatodonkey's avatar
littletomatodonkey 已提交
154
运行下面的命令,对图像 `./drink_dataset_v1.0/test_images/nongfu_spring.jpeg` 进行识别与检索
littletomatodonkey's avatar
littletomatodonkey 已提交
155 156

```shell
S
sibo2rr 已提交
157
# 使用下面的命令使用 GPU 进行预测
littletomatodonkey's avatar
littletomatodonkey 已提交
158
python3.7 python/predict_system.py -c configs/inference_general.yaml
S
sibo2rr 已提交
159
# 使用下面的命令使用 CPU 进行预测
littletomatodonkey's avatar
littletomatodonkey 已提交
160
python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.use_gpu=False
littletomatodonkey's avatar
littletomatodonkey 已提交
161 162 163 164
```

待检索图像如下所示。

S
sibo2rr 已提交
165
![](../../images/recognition/drink_data_demo/test_images/nongfu_spring.jpeg)
littletomatodonkey's avatar
littletomatodonkey 已提交
166 167 168 169


最终输出结果如下。

littletomatodonkey's avatar
littletomatodonkey 已提交
170 171
```
[{'bbox': [244, 49, 509, 964], 'rec_docs': '农夫山泉-饮用天然水', 'rec_scores': 0.7585664}]
littletomatodonkey's avatar
littletomatodonkey 已提交
172 173
```

174
其中 `bbox` 表示检测出的主体所在位置,`rec_docs` 表示索引库中与检测框最为相似的类别,`rec_scores` 表示对应的置信度。
littletomatodonkey's avatar
littletomatodonkey 已提交
175

176
检测的可视化结果也保存在 `output` 文件夹下,对于本张图像,识别结果可视化如下所示。
littletomatodonkey's avatar
littletomatodonkey 已提交
177

S
sibo2rr 已提交
178
![](../../images/recognition/drink_data_demo/output/nongfu_spring.jpeg)
littletomatodonkey's avatar
littletomatodonkey 已提交
179 180 181 182 183 184 185 186


<a name="基于文件夹的批量识别"></a>
#### 2.2.2 基于文件夹的批量识别

如果希望预测文件夹内的图像,可以直接修改配置文件中的 `Global.infer_imgs` 字段,也可以通过下面的 `-o` 参数修改对应的配置。

```shell
S
sibo2rr 已提交
187
# 使用下面的命令使用 GPU 进行预测,如果希望使用 CPU 预测,可以在命令后面添加 -o Global.use_gpu=False
littletomatodonkey's avatar
littletomatodonkey 已提交
188
python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.infer_imgs="./drink_dataset_v1.0/test_images/"
littletomatodonkey's avatar
littletomatodonkey 已提交
189 190 191 192
```

终端中会输出该文件夹内所有图像的识别结果,如下所示。

littletomatodonkey's avatar
littletomatodonkey 已提交
193
```
littletomatodonkey's avatar
littletomatodonkey 已提交
194
...
littletomatodonkey's avatar
littletomatodonkey 已提交
195 196 197 198 199 200 201 202 203 204 205
[{'bbox': [345, 95, 524, 586], 'rec_docs': '红牛-强化型', 'rec_scores': 0.80164653}]
Inference: 23.43583106994629 ms per batch image
[{'bbox': [233, 0, 372, 436], 'rec_docs': '康师傅矿物质水', 'rec_scores': 0.72513914}]
Inference: 117.95639991760254 ms per batch image
[{'bbox': [138, 40, 573, 1198], 'rec_docs': '乐虎功能饮料', 'rec_scores': 0.7855944}]
Inference: 22.172927856445312 ms per batch image
[{'bbox': [328, 7, 467, 272], 'rec_docs': '脉动', 'rec_scores': 0.5829516}]
Inference: 118.08514595031738 ms per batch image
[{'bbox': [242, 82, 498, 726], 'rec_docs': '味全_每日C', 'rec_scores': 0.75581443}]
Inference: 150.06470680236816 ms per batch image
[{'bbox': [437, 71, 660, 728], 'rec_docs': '元气森林', 'rec_scores': 0.8478892}, {'bbox': [221, 72, 449, 701], 'rec_docs': '元气森林', 'rec_scores': 0.6790612}, {'bbox': [794, 104, 979, 652], 'rec_docs': '元气森林', 'rec_scores': 0.6292581}]
littletomatodonkey's avatar
littletomatodonkey 已提交
206 207 208
...
```

209
所有图像的识别结果可视化图像也保存在 `output` 文件夹内。
littletomatodonkey's avatar
littletomatodonkey 已提交
210 211 212 213 214 215 216 217


更多地,可以通过修改 `Global.rec_inference_model_dir` 字段来更改识别 inference 模型的路径,通过修改 `IndexProcess.index_dir` 字段来更改索引库索引的路径。

<a name="未知类别的图像识别体验"></a>

## 3. 未知类别的图像识别体验

littletomatodonkey's avatar
littletomatodonkey 已提交
218
对图像 `./drink_dataset_v1.0/test_images/mosilian.jpeg` 进行识别,命令如下
littletomatodonkey's avatar
littletomatodonkey 已提交
219 220 221

```shell
# 使用下面的命令使用 GPU 进行预测,如果希望使用 CPU 预测,可以在命令后面添加 -o Global.use_gpu=False
littletomatodonkey's avatar
littletomatodonkey 已提交
222
python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.infer_imgs="./drink_dataset_v1.0/test_images/mosilian.jpeg"
littletomatodonkey's avatar
littletomatodonkey 已提交
223 224 225 226
```

待检索图像如下所示。

S
sibo2rr 已提交
227
![](../../images/recognition/drink_data_demo/test_images/mosilian.jpeg)
littletomatodonkey's avatar
littletomatodonkey 已提交
228 229 230 231 232 233 234 235 236


输出结果为空。

由于默认的索引库中不包含对应的索引信息,所以这里的识别结果有误,此时我们可以通过构建新的索引库的方式,完成未知类别的图像识别。

当索引库中的图像无法覆盖我们实际识别的场景时,即在预测未知类别的图像时,我们需要将对应类别的相似图像添加到索引库中,从而完成对未知类别的图像识别,这一过程是不需要重新训练的。

<a name="准备新的数据与标签"></a>
S
sibo2rr 已提交
237

littletomatodonkey's avatar
littletomatodonkey 已提交
238 239
### 3.1 准备新的数据与标签

littletomatodonkey's avatar
littletomatodonkey 已提交
240
首先需要将与待检索图像相似的图像列表拷贝到索引库原始图像的文件夹。这里 PaddleClas 已经将所有的图像数据都放在文件夹 `drink_dataset_v1.0/gallery/` 中。
littletomatodonkey's avatar
littletomatodonkey 已提交
241

littletomatodonkey's avatar
littletomatodonkey 已提交
242
然后需要编辑记录了图像路径和标签信息的文本文件,这里 PaddleClas 将更正后的标签信息文件放在了 `drink_dataset_v1.0/gallery/drink_label_all.txt` 文件中。可以与默认的 `drink_dataset_v1.0/gallery/drink_label.txt` 标签文件进行对比,添加了光明和三元系列牛奶的索引图像。
littletomatodonkey's avatar
littletomatodonkey 已提交
243 244


245
每一行的文本中,第一个字段表示图像的相对路径,第二个字段表示图像对应的标签信息,中间用 `\t` 键分隔开(注意:有些编辑器会将 `tab` 自动转换为 `空格`,这种情况下会导致文件解析报错)。
littletomatodonkey's avatar
littletomatodonkey 已提交
246 247

<a name="建立新的索引库"></a>
S
sibo2rr 已提交
248

littletomatodonkey's avatar
littletomatodonkey 已提交
249 250 251 252 253
### 3.2 建立新的索引库

使用下面的命令构建 `index` 索引,加速识别后的检索过程。

```shell
S
stephon 已提交
254
python3.7 python/build_gallery.py -c configs/inference_general.yaml -o IndexProcess.data_file="./drink_dataset_v1.0/gallery/drink_label_all.txt" -o IndexProcess.index_dir="./drink_dataset_v1.0/index_all"
littletomatodonkey's avatar
littletomatodonkey 已提交
255 256
```

257
最终新的索引信息保存在文件夹 `./drink_dataset_v1.0/index_all` 中。具体 `yaml` 请参考[向量检索文档](../image_recognition_pipeline/vector_search.md)
littletomatodonkey's avatar
littletomatodonkey 已提交
258 259 260 261 262 263 264 265 266

<a name="基于新的索引库的图像识别"></a>

### 3.3 基于新的索引库的图像识别

使用新的索引库,对上述图像进行识别,运行命令如下。

```shell
# 使用下面的命令使用 GPU 进行预测,如果希望使用 CPU 预测,可以在命令后面添加 -o Global.use_gpu=False
littletomatodonkey's avatar
littletomatodonkey 已提交
267
python3.7 python/predict_system.py -c configs/inference_general.yaml -o Global.infer_imgs="././drink_dataset_v1.0/test_images/mosilian.jpeg" -o IndexProcess.index_dir="./drink_dataset_v1.0/index_all"
littletomatodonkey's avatar
littletomatodonkey 已提交
268 269 270 271
```

输出结果如下。

littletomatodonkey's avatar
littletomatodonkey 已提交
272 273
```
[{'bbox': [396, 553, 508, 621], 'rec_docs': '光明_莫斯利安', 'rec_scores': 0.5921005}]
littletomatodonkey's avatar
littletomatodonkey 已提交
274 275
```

littletomatodonkey's avatar
littletomatodonkey 已提交
276
最终识别结果为`光明_莫斯利安`,识别正确,识别结果可视化如下所示。
littletomatodonkey's avatar
littletomatodonkey 已提交
277

S
sibo2rr 已提交
278
![](../../images/recognition/drink_data_demo/output/mosilian.jpeg)
littletomatodonkey's avatar
littletomatodonkey 已提交
279 280 281 282 283


<a name="4"></a>
## 4. 服务端识别模型列表

284
目前,我们更推荐您使用[轻量级通用主体检测模型与轻量级通用识别模型](#轻量级通用主体检测模型与轻量级通用识别模型),以获得更好的测试结果。但是如果您希望体验服务端识别模型,服务器端通用主体检测模型与各方向识别模型、测试数据下载地址以及对应的配置文件地址如下。
littletomatodonkey's avatar
littletomatodonkey 已提交
285

S
stephon 已提交
286 287 288 289 290 291 292 293
| 模型简介       | 推荐场景   | inference 模型  | 预测配置文件  |
| ------------  | ------------- | -------- | ------- |
| 通用主体检测模型 | 通用场景  |[模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar) | - |
| Logo 识别模型 | Logo 场景  | [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/logo_rec_ResNet50_Logo3K_v1.0_infer.tar) | [inference_logo.yaml](../../../deploy/configs/inference_logo.yaml) |
| 动漫人物识别模型 | 动漫人物场景  | [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/cartoon_rec_ResNet50_iCartoon_v1.0_infer.tar) | [inference_cartoon.yaml](../../../deploy/configs/inference_cartoon.yaml) |
| 车辆细分类模型 | 车辆场景  |  [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/vehicle_cls_ResNet50_CompCars_v1.0_infer.tar) | [inference_vehicle.yaml](../../../deploy/configs/inference_vehicle.yaml) |
| 商品识别模型 | 商品场景  |  [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/product_ResNet50_vd_aliproduct_v1.0_infer.tar) | [inference_product.yaml](../../../deploy/configs/inference_product.yaml) |
| 车辆 ReID 模型 | 车辆 ReID 场景 | [模型下载链接](https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/vehicle_reid_ResNet50_VERIWild_v1.0_infer.tar) | [inference_vehicle.yaml](../../../deploy/configs/inference_vehicle.yaml) |
littletomatodonkey's avatar
littletomatodonkey 已提交
294

S
sibo2rr 已提交
295 296 297 298
```shell
cd PaddleClas/deploy/
mkdir -p models
```
299 300

```shell
S
sibo2rr 已提交
301
cd ./models
302
# 下载通用主体检测模型并解压
S
sibo2rr 已提交
303
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar && tar -xf ppyolov2_r50vd_dcn_mainbody_v1.0_infer.tar
304 305 306 307
# 下载识别模型并解压
wget {识别模型下载链接地址} && tar -xf {压缩包的名称}
```

S
sibo2rr 已提交
308
使用如下命令下载各方向识别模型的测试数据:
309 310

```shell
S
sibo2rr 已提交
311
# 回到 deploy 目录下
S
sibo2rr 已提交
312
cd ..
313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333
# 下载测试数据并解压
wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/recognition_demo_data_en_v1.1.tar && tar -xf recognition_demo_data_en_v1.1.tar
```

解压完毕后,`recognition_demo_data_v1.1` 文件夹下应有如下文件结构:

```
├── recognition_demo_data_v1.1
│   ├── gallery_cartoon
│   ├── gallery_logo
│   ├── gallery_product
│   ├── gallery_vehicle
│   ├── test_cartoon
│   ├── test_logo
│   ├── test_product
│   └── test_vehicle
├── ...
```

按照上述步骤下载模型和测试数据后,您可以进行相关方向识别模型的测试。

littletomatodonkey's avatar
littletomatodonkey 已提交
334
* 更多关于主体检测的介绍可以参考:[主体检测教程文档](../image_recognition_pipeline/mainbody_detection.md);关于特征提取的介绍可以参考:[特征提取教程文档](../image_recognition_pipeline/feature_extraction.md);关于向量检索的介绍可以参考:[向量检索教程文档](../image_recognition_pipeline/vector_search.md)