视觉模型预测结果说明#

ClassifyResult#

ClassifyResult代码定义在fastdeploy/vision/common/result.h中，用于表明图像的分类结果和置信度.

API:fastdeploy.vision.ClassifyResult, 该结果返回:

  • label_ids(list of int): 成员变量，表示单张图片的分类结果，其个数根据在使用分类模型时传入的topk决定，例如可以返回top5的分类结果.

  • scores(list of float): 成员变量，表示单张图片在相应分类结果上的置信度，其个数根据在使用分类模型时传入的topk决定，例如可以返回top5的分类置信度.

SegmentationResult#

SegmentationResult代码定义在fastdeploy/vision/ttommon/result.h中，用于表明图像中每个像素预测出来的分割类别和分割类别的概率值.

API:fastdeploy.vision.SegmentationResult, 该结果返回:

  • label_map(list of int): 成员变量，表示单张图片每个像素点的分割类别.

  • score_map(list of float): 成员变量，与label_map一一对应的所预测的分割类别概率值(当导出模型时指定--output_op argmax)或者经过softmax归一化化后的概率值(当导出模型时指定--output_op softmax或者导出模型时指定--output_op none同时模型初始化的时候设置模型类成员属性apply_softmax=true).

  • shape(list of int): 成员变量，表示输出图片的尺寸，为H*W.

DetectionResult#

DetectionResult代码定义在fastdeploy/vision/common/result.h中，用于表明图像检测出来的目标框、目标类别和目标置信度.

API:fastdeploy.vision.DetectionResult , 该结果返回:

  • boxes(list of list(float)): 成员变量，表示单张图片检测出来的所有目标框坐标. boxes是一个list，其每个元素为一个长度为4的list， 表示为一个框，每个框以4个float数值依次表示xmin, ymin, xmax, ymax， 即左上角和右下角坐标.

  • scores(list of float): 成员变量，表示单张图片检测出来的所有目标置信度.

  • label_ids(list of int): 成员变量，表示单张图片检测出来的所有目标类别.

  • masks: 成员变量，表示单张图片检测出来的所有实例mask，其元素个数及shape大小与boxes一致.

  • contain_masks: 成员变量，表示检测结果中是否包含实例mask，实例分割模型的结果此项一般为True.

fastdeploy.vision.Mask , 该结果返回:

  • data: 成员变量，表示检测到的一个mask.

  • shape: 成员变量，表示mask的尺寸，如 H*W.

FaceDetectionResult#

FaceDetectionResult 代码定义在fastdeploy/vision/common/result.h中，用于表明人脸检测出来的目标框、人脸landmarks，目标置信度和每张人脸的landmark数量.

API:fastdeploy.vision.FaceDetectionResult , 该结果返回:

  • boxes(list of list(float)): 成员变量，表示单张图片检测出来的所有目标框坐标。boxes是一个list，其每个元素为一个长度为4的list， 表示为一个框，每个框以4个float数值依次表示xmin, ymin, xmax, ymax， 即左上角和右下角坐标.

  • scores(list of float): 成员变量，表示单张图片检测出来的所有目标置信度.

  • landmarks(list of list(float)): 成员变量，表示单张图片检测出来的所有人脸的关键点.

  • landmarks_per_face(int): 成员变量，表示每个人脸框中的关键点的数量.

KeyPointDetectionResult#

KeyPointDetectionResult 代码定义在fastdeploy/vision/common/result.h中，用于表明图像中目标行为的各个关键点坐标和置信度。

API:fastdeploy.vision.KeyPointDetectionResult , 该结果返回:

  • keypoints(list of list(float)): 成员变量，表示识别到的目标行为的关键点坐标。keypoints.size()= N * J，

    • N：图片中的目标数量

    • J：num_joints（一个目标的关键点数量）

  • scores(list of float): 成员变量，表示识别到的目标行为的关键点坐标的置信度。scores.size()= N * J

    • N：图片中的目标数量

    • J:num_joints（一个目标的关键点数量）

  • num_joints(int): 成员变量，表示一个目标的关键点数量

FaceRecognitionResult#

FaceRecognitionResult 代码定义在fastdeploy/vision/common/result.h中，用于表明人脸识别模型对图像特征的embedding.

API:fastdeploy.vision.FaceRecognitionResult, 该结果返回:

  • embedding(list of float): 成员变量，表示人脸识别模型最终提取的特征embedding，可以用来计算人脸之间的特征相似度.

MattingResult#

MattingResult 代码定义在fastdeploy/vision/common/result.h中，用于表明模型预测的alpha透明度的值，预测的前景等.

API:fastdeploy.vision.MattingResult, 该结果返回:

  • alpha(list of float): 是一维向量，为预测的alpha透明度的值，值域为[0.,1.]，长度为H*W，H,W为输入图像的高和宽.

  • foreground(list of float): 是一维向量，为预测的前景，值域为[0.,255.]，长度为H*W*C，H,W为输入图像的高和宽，C一般为3，foreground不是一定有的，只有模型本身预测了前景，这个属性才会有效.

  • contain_foreground(bool): 表示预测的结果是否包含前景.

  • shape(list of int): 表示输出结果的shape，当contain_foreground为false，shape只包含(H,W)，当contain_foreground为true，shape包含(H,W,C), C一般为3.

OCRResult#

OCRResult代码定义在fastdeploy/vision/common/result.h中，用于表明图像检测和识别出来的文本框，文本框方向分类，以及文本框内的文本内容.

API:fastdeploy.vision.OCRResult, 该结果返回:

  • boxes(list of list(int)): 成员变量，表示单张图片检测出来的所有目标框坐标，boxes.size()表示单张图内检测出的框的个数，每个框以8个int数值依次表示框的4个坐标点，顺序为左下，右下，右上，左上.

  • text(list of string): 成员变量，表示多个文本框内被识别出来的文本内容，其元素个数与boxes.size()一致.

  • rec_scores(list of float): 成员变量，表示文本框内识别出来的文本的置信度，其元素个数与boxes.size()一致.

  • cls_scores(list of float): 成员变量，表示文本框的分类结果的置信度，其元素个数与boxes.size()一致.

  • cls_labels(list of int): 成员变量，表示文本框的方向分类类别，其元素个数与boxes.size()一致.

FaceAlignmentResult#

FaceAlignmentResult 代码定义在fastdeploy/vision/common/result.h中，用于表明人脸landmarks。

API:fastdeploy.vision.FaceAlignmentResult, 该结果返回:

  • landmarks(list of list(float)): 成员变量，表示单张人脸图片检测出来的所有关键点

HeadPoseResult#

HeadPoseResult 代码定义在fastdeploy/vision/common/result.h中，用于表明头部姿态结果。

API:fastdeploy.vision.HeadPoseResult, 该结果返回:

  • euler_angles(list of float): 成员变量，表示单张人脸图片预测的欧拉角，存放的顺序是(yaw, pitch, roll)， yaw 代表水平转角，pitch 代表垂直角，roll 代表翻滚角，值域都为 [-90, +90]度