add padstride in cpp_infer and refine doc (#241)

* add padstride in cpp_infer and refine doc
* refine doc for export_model

docs/advanced_tutorials/inference/EXPORT_MODEL.md

@@ -2,6 +2,21 @@
 
 训练得到一个满足要求的模型后，如果想要将该模型接入到C++预测库或者Serving服务，需要通过`tools/export_model.py`导出该模型。
 
+**说明：**
+
+- 导出模型输入为网络输入图像，即原始图片经过预处理后的图像，具体预处理方式可参考配置文件中TestReader部分。各类检测模型的输入格式分别为：
+
+| 模型系列名称 | 输入图像预处理方式 | 其他输入信息 |
+| :---------: | ----------- | ---------- |
+|  YOLO | 缩放至指定大小，归一化 | im\_size: 格式为[origin\_H, origin\_W], origin为原始图像 |
+| SSD | 缩放至指定大小，归一化 | im\_shape: 格式为[origin\_H, origin\_W], origin为原始图像 |
+| RCNN | 归一化，等比例缩放 | 1. im\_info： 格式为[input\_H, input\_W, scale]，input为输入图像，scale为```输入图像大小/原始图像大小```<br>  2. im\_shape：格式为[origin\_H, origin\_W, 1.], origin为原始图像 |
+| RCNN+FPN | 归一化，等比例缩放，对图像填充0使得长宽均为32的倍数 | 1. im\_info： 格式为[input\_H, input\_W, scale]，input为输入图像，scale为```输入图像大小/原始图像大小```<br>  2. im\_shape：格式为[origin\_H, origin\_W, 1.], origin为原始图像 |
+| RetinaNet | 归一化，等比例缩放，对图像填充0使得长宽均为128的倍数 | 1. im\_info： 格式为[input\_H, input\_W, scale]，input为输入图像，scale为```输入图像大小/原始图像大小```<br>  2. im\_shape：格式为[origin\_H, origin\_W, 1.], origin为原始图像 |
+
+- 导出模型输出统一为NMS的输出，形状为[N, 6], 其中N为预测框的个数，6为[class_id, score, x1, y1, x2, y2].
+
+
 ## 启动参数说明
 
 |      FLAG      |      用途      |    默认值    |                 备注                      |

docs/advanced_tutorials/inference/INFERENCE.md

@@ -25,6 +25,7 @@ python tools/cpp_infer.py --model_path=inference_model/faster_rcnn_r50_1x/ --con
 1. 设置shape时必须保持与模型导出时shape大小一致；
 2. `min_subgraph_size`的设置与模型arch相关，对部分arch需要调大该参数，一般设置为40适用于所有模型。适当的调小`min_subgraph_size`会对预测有加速效果，例如YOLO中该参数可设置为3。
 
+3. 预处理中`PadStride`为输入图片右下角填充0，默认设置stride为0，即不对输入图片做padding操作。模型中包含FPN结构时，stride应设置为32。模型为RetinaNet系列模型时，stride应设置为128.
 ## Paddle环境搭建
 
 需要基于develop分支编译TensorRT版本Paddle, 在编译命令中指定TensorRT路径：

tools/cpp_demo.yml

@@ -25,3 +25,5 @@ Preprocess:
   is_scale: True
 - type: Permute
   to_bgr: False
+- type: PadStride
+  stride: 0 # set 32 on FPN and 128 on RetinaNet

tools/cpp_infer.py

@@ -169,6 +169,24 @@ class Permute(object):
         return im
 
 
+class PadStride(object):
+    def __init__(self, stride=0):
+        assert stride >= 0, "Unsupported stride: {}, the stride in PadStride must be greater or equal to 0".format(
+            stride)
+        self.coarsest_stride = stride
+
+    def __call__(self, im):
+        coarsest_stride = self.coarsest_stride
+        if coarsest_stride == 0:
+            return im
+        im_c, im_h, im_w = im.shape
+        pad_h = int(np.ceil(float(im_h) / coarsest_stride) * coarsest_stride)
+        pad_w = int(np.ceil(float(im_w) / coarsest_stride) * coarsest_stride)
+        padding_im = np.zeros((im_c, pad_h, pad_w), dtype=np.float32)
+        padding_im[:, :im_h, :im_w] = im
+        return padding_im
+
+
 def Preprocess(img_path, arch, config):
     img = DecodeImage(img_path)
     orig_shape = img.shape