开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
信息服务
智能园区

模型管理

模型添加

EdgeBoard开发管理平台支持EasyDL模型、BML模型、Paddle模型和EdgeBoard专项SDK(包含烟火检测、安全帽检测、电子围栏、车流统计、车牌识别、人体属性识别、人体关键点、车型识别、车辆属性识别等算法,可通过购买软硬一体产品获取https://ai.baidu.com/tech/hardware/edgeboard)

模型文件格式只支持zip格式。

Paddle模型

Paddle模型是指通过PaddlePaddle框架或其开源套件等工具训练的模型,并导出适合在端上部署的静态图模型文件,可以通过Netron工具打开其网络结构。

EdgeBoard开发管理平台支持物体检测模型和单图单标签的图像分类模型,具体支持网络请参考EdgeBoard支持的模型,其他网络模型暂不支持。

Paddle模型包含两个文件夹,config和model,内部文件名称是固定,比如config文件中包含一个配置文件config.json,model文件夹中包含模型文件和标签文件,分别命名为model、params、label_list.txt,如果训练后导出的静态图模型不是该名称,可以自行更改。

Paddle模型添加页面包含样例,可下载到本地查看,同时文档中提供了分类和检测两种示例文件可供格式参考。

物体检测模型格式

示例下载

示例结构

图像分类模型格式

示例下载

示例结构

config.json详解

{
    "version": 1.0,
    "networkType": "detection",
    "networkName": "yolov3",
    "threshold": 0.35,
    "transforms": [{
            "action": "Resize",
            "width": 608,
            "height": 608,
            "interpolation": "bilinear"
        },
        {
            "action": "Normalize",
            "mean": [123.675, 116.28, 103.53],
            "scale": [0.0171248, 0.017507, 0.0174292]
        },
        {
            "action": "ConvertFormat",
            "format": "RGB"
        }
    ]
}

"version":模型格式版本,目前仅为1.0

"networkType":网络类型,目前只包含检测模型detection,分类模型classification,

"networkName":网络名称,如果是yolov3模型,该字段的值必须为yolov3

"threshold":阈值,若推理结果的score值小于阈值则会被过滤

"action": "Resize":图像缩放,指图像输入模型前的预处理操作之一

"action": "Normalize":图像归一化,指图像输入模型前的预处理操作之一

"action": "ConvertFormat":图像颜色空间格式,一般分为RGB和BGR两种

"width" && "height":模型输入尺寸

"interpolation":图像插值,一般分为bilinear、nearest、cubic

"format":图像颜色空间格式

"mean":图像处理均值

"scale":图像缩放系数

注意:config.json文件内的mean、scale计算方式与训练模型时的计算方式可能不同,在使用设备进行模型推理时,需要将训练模型的mean和std换算成EdgeBoard中的mean和scale。

一般图像归一化处理有如下两种方式:

例如R为一张图片中一个像素点的R通道的值

①(R / 255 – mean) / std

②(R – eb_mean) * eb_scale(EdgeBoard处理方式)

如果训练模型的mean和std为第一种计算方式,就需要通过如下运算,计算为EdgeBoard的处理方式。

   EdgeBoard中的mean值 = mean * 255

   EdgeBoard中的scale值 = 1 / ( 255 * std )

label.list文件详解

0 face
1 face_mask

注意:label.list文件内容,内容结构必须为index【空格】label的格式,才能被正确调用。

模型压缩方式

将训练好的模型按照上述方式配置完成之后,需要压缩成zip格式的压缩包上传到管理平台,注意:压缩时直接选择config和model两个文件夹打包,不能多一层打包目录。可参考如下操作视频

EasyDL模型格式

EasyDL模型是指通过EasyDL平台或者BML平台训练生成的EdgeBoard专项适配模型,需要输入正确的序列号,并联网激活后,才可以正常使用

EasyDL模型联网鉴权

首次添加或使用EasyDL模型,需要设备在能够连接外网的情况下,激活模型,才能正常使用,EdgeBoard连接外网方式可参考EdgeBoard访问外网的方法

注意:激活时,必须保证设备能够访问外网,同时设备时间为当前时间,可通过系统配置页面更改系统时间。

EdgeBoard模型格式

EdgeBoard SDK是指百度自研的EdgeBoard专用技能SDK,暂不支持用户自行添加。

EdgeBoard SDK目前包含了人体跟踪、电子围栏、关键点检测、人体属性、车辆属性、烟火检测、车辆跟踪、车牌识别、车流统计、路内停车、人体&车辆跟踪、安全帽、车型识别等能力。并推出定制化的EdgeBoard场景化盒子,相关购买链接请参考:百度AI市场aim.baidu.com,相关文档参考EdgeBoard场景化产品使用说明,后续会加入更多百度自研模型,开放更多的能力为广大客户。

注:管理系统本身不带有任何模型和能力,EdgeBoard基础版边缘计算盒中不带有EdgeBoard SDK及其能力,如需使用EdgeBoard专用技能SDK,需购买EdgeBoard能力型软硬一体方案。

模型修改

支持对上传后的模型进行内容修改,点击 编辑 按钮,进入模型修改页面。

注意:模型ID为累加的数值,存放于数据库中,从0开始计算,针对每一个添加的模型,不论删除与否,每个模型ID具有唯一性。

模型删除

对已添加的模型,可以进行删除操作。

效果验证

模型添加后,可以线上验证模型效果,点击效果验证按钮

进入效果验证页面,点击上传按钮,从本地选取一张预测图片

结果如下:

左侧为渲染后的结果图片,右侧为图片的推理结果

“index”:标签号

“label”:标签

“location”:检测框位置,height和width为检测框的高和宽,left和top为左上角坐标值

“score”:置信度

上一篇
总览
下一篇
摄像头管理