行人检测-01-PeopleNet-TRT 是 NVIDIA 提供的检测模型，可以检测图像中三种类别的物体对象，包括人、包和人脸。本模型可以检测出这三种类别的一个或多个物体对象，并返回每个物体对象的边界框以及相应的类别标签。
本模型基于 NVIDIA DetectNet_v2 检测器，使用 ResNet34 作为特征提取器。这种架构也称为 GridBox 目标检测，对输入图像上的均匀网格使用边界框回归。GridBox 将输入图像划分为一个网格，每个输出类别预测四个归一化边界框参数（xc，yc，w，h）和置信度值。详情请访问 NVIDIA 相关文档。
模型基本信息
您可以在边缘智能控制台的 官方模型 列表访问本模型。下图展示了本模型的基本信息。
框架
本模型基于 TensorRT 框架。
注意
您的边缘节点必须具有 NVIDIA 的 GPU 设备才能部署本模型。
输入
名称 | 类型 | 形状 | 转换形状 | 格式 |
|---|---|---|---|---|
input_1 | FP32 | 3, 544, 960 | 无 | None |
输入说明：
- 输入是一个 RGB 图像。图像的尺寸为 960 × 544 × 3（宽 × 高 × 通道数），单位：像素。
- 输入的通道顺序为 NCHW。其中，N 表示批处理大小，C 表示通道数（3），H 表示图像的高度（544），W 表示图像的宽度（960）。
- 图像输入的缩放算法是 Bilinear。
- 图像输入正则化的均值为 [0, 0, 0]，缩放比例为 1/255.0(=0.0039215697906911373)。
输出
名称 | 类型 | 形状 | 转换形状 |
|---|---|---|---|
output_bbox/BiasAdd | FP32 | 12, 34, 60 | 无 |
output_cov/Sigmoid | FP32 | 3, 34, 60 | 无 |
目标类别标签
本模型可检测的目标对象的类别标签如下：
person;bag;face
模型版本
本模型提供 6 个可部署版本。您可以按照 GPU 硬件架构选择部署对应的版本。
版本名称 | 最大批处理大小 | 硬件架构 | 说明 |
|---|---|---|---|
nano_pruned_int8_trt84_b1_544_960 | 1 | NVIDIA Jetson Nano |
|
xavier_pruned_int8_trt84_b4_544_960 | 4 | NVIDIA Xavier |
|
t4_pruned_int8_trt84_b4_544_960 | 4 | NVIDIA T4 |
|
orion_pruned_int8_trt84_b4_544_960 | 4 | NVIDIA Orin |
|
3070_pruned_int8_trt84_b4_544_960 | 4 | NVIDIA 3070 |
|
3080_pruned_int8_trt84_b4_544_960 | 4 | NVIDIA 3080 |
|
模型部署
参考 部署模型服务进行模型服务的部署。在 部署模型服务 参数配置页面，修改以下配置：
说明
下表中未包含的配置项无需修改，建议使用默认值。
类型 | 配置项 | 说明 |
|---|---|---|
基本信息 | 节点 | 选择一个边缘节点。 |
服务名称 | 设置一个服务名称。该名称不能与节点上其他服务的名称重复。 | |
模型信息 | 模型 | 选择 行人检测-01-PeopleNet-TRT。 |
模型版本 | 选择一个模型版本。 | |
服务配置 | HTTP端口 | 指定节点上的一个空闲端口。 |
GRPC端口 | 指定节点上的一个空闲端口。 |
调用示例
暂无。