Skip to content

Commit

Permalink
refine inferencer zh_cn doc (open-mmlab#2300)
Browse files Browse the repository at this point in the history
  • Loading branch information
Ben-Louis authored Apr 24, 2023
1 parent fb5de99 commit 25fb161
Showing 1 changed file with 12 additions and 12 deletions.
24 changes: 12 additions & 12 deletions docs/zh_cn/user_guides/inference.md
Original file line number Diff line number Diff line change
Expand Up @@ -6,11 +6,11 @@ MMPose为姿态估计提供了大量可以从[模型库](https://mmpose.readthed

在MMPose,模型由配置文件定义,而其已计算好的参数存储在权重文件(checkpoint file)中。您可以在[模型库](https://mmpose.readthedocs.io/en/latest/model_zoo.html)中找到模型配置文件和相应的权重文件的URL。我们建议从使用HRNet模型的[配置文件](https://github.com/open-mmlab/mmpose/blob/main/configs/body_2d_keypoint/topdown_heatmap/coco/td-hm_hrnet-w32_8xb64-210e_coco-256x192.py)[权重文件](https://download.openmmlab.com/mmpose/v1/body_2d_keypoint/topdown_heatmap/coco/td-hm_hrnet-w32_8xb64-210e_coco-256x192-81c58e40_20220909.pth)开始。

# 推理器:统一的推理接口
## 推理器:统一的推理接口

MMPose提供了一个被称为`MMPoseInferencer`的、全面的推理API。这个API使得用户得以使用所有MMPose支持的模型来对图像和视频进行模型推理。此外,该API可以完成推理结果自动化,并方便用户保存预测结果。

## 基本用法
### 基本用法

`MMPoseInferencer`可以在任何Python程序中被用来执行姿态估计任务。以下是在一个在Python Shell中使用预训练的人体姿态模型对给定图像进行推理的示例。

Expand Down Expand Up @@ -48,13 +48,13 @@ python demo/inferencer_demo.py 'tests/data/coco/000000000785.jpg' \

- 文件夹路径(这会导致该文件夹中的所有图像都被推断出来)

- An image array (NA for CLI tool)
- 表示图像的 numpy array (在命令行界面工具中未支持)

- A list of image arrays (NA for CLI tool)
- 表示图像的 numpy array 列表 (在命令行界面工具中未支持)

- 摄像头(在这种情况下,输入参数应该设置为`webcam``webcam:{CAMERA_ID}`

## 自定义姿态估计模型
### 自定义姿态估计模型

`MMPoseInferencer`提供了几种可用于自定义所使用的模型的方法:

Expand All @@ -65,7 +65,7 @@ inferencer = MMPoseInferencer('human')
# 使用模型配置名构建推断器
inferencer = MMPoseInferencer('td-hm_hrnet-w32_8xb64-210e_coco-256x192')

# 使用模型配置文件和权重文件的路径或URL构建推断器
# 使用模型配置文件和权重文件的路径或 URL 构建推断器
inferencer = MMPoseInferencer(
pose2d='configs/body_2d_keypoint/topdown_heatmap/coco/' \
'td-hm_hrnet-w32_8xb64-210e_coco-256x192.py',
Expand All @@ -74,7 +74,7 @@ inferencer = MMPoseInferencer(
)
```

模型别名的完整列表可以在模型别名部分(Model Alias section)中找到
模型别名的完整列表可以在模型别名部分中找到

此外,自顶向下的姿态估计器还需要一个对象检测模型。`MMPoseInferencer`能够推断用MMPose支持的数据集训练的模型的实例类型,然后构建必要的对象检测模型。用户也可以通过以下方式手动指定检测模型:

Expand Down Expand Up @@ -107,7 +107,7 @@ inferencer = MMPoseInferencer(
)
```

## 转储结果
### 转储结果

在执行姿态估计推理任务之后,您可能希望保存结果以供进一步分析或处理。本节将指导您将预测的关键点和可视化结果保存到本地。

Expand All @@ -131,7 +131,7 @@ result = next(result_generator)

在这种情况下,可视化图像将保存在`output/visualization/`文件夹中,而预测将存储在`output/forecasts/`文件夹中。

## 可视化
### 可视化

推理器`inferencer`可以自动对输入的图像或视频进行预测。可视化结果可以显示在一个新的窗口中,并保存在本地。

Expand Down Expand Up @@ -159,7 +159,7 @@ result_generator = inferencer(img_path, show=True, radius=4, thickness=2)
result = next(result_generator)
```

## 推理器参数
### 推理器参数

`MMPoseInferencer`提供了各种自定义姿态估计、可视化和保存预测结果的参数。下面是<mark>初始化</mark>推断器时可用的参数列表及对这些参数的描述:

Expand Down Expand Up @@ -188,7 +188,7 @@ result = next(result_generator)

### 模型别名

MMPose为常用模型提供了一组预定义的别名。在初始化`MMPoseInferencer`时,这些别名可以用作简略的表达方式,而不是指定完整的模型配置名称。下面是可用的模型别名及其对应的配置名称的列表:
MMPose为常用模型提供了一组预定义的别名。在初始化 `MMPoseInferencer` 时,这些别名可以用作简略的表达方式,而不是指定完整的模型配置名称。下面是可用的模型别名及其对应的配置名称的列表:

| 别名 | 配置文件名称 | 对应任务 | 姿态估计模型 | 检测模型 |
| --------- | -------------------------------------------------- | ------------------------------- | ------------- | ------------------- |
Expand All @@ -203,7 +203,7 @@ MMPose为常用模型提供了一组预定义的别名。在初始化`MMPoseInfe
| vitpose-l | td-hm_ViTPose-large-simple_8xb64-210e_coco-256x192 | Human pose estimation | ViTPose-large | RTMDet-m |
| vitpose-h | td-hm_ViTPose-huge-simple_8xb64-210e_coco-256x192 | Human pose estimation | ViTPose-huge | RTMDet-m |

此外,用户可以使用CLI工具显示所有可用的别名,使用以下命令:
此外,用户可以使用命令行界面工具显示所有可用的别名,使用以下命令:

```shell
python demo/inferencer_demo.py --show-alias
Expand Down

0 comments on commit 25fb161

Please sign in to comment.