Inference Endpoint For Omdet Turbo Swin Tiny Hf

🚀 零樣本目標檢測推理端點項目

本項目是對 omlab/omdet-turbo-swin-tiny-hf 的復刻，旨在為 🤗 Inference Endpoints 實現 零樣本目標檢測 的 自定義 任務。該項目解決了在特定推理端點上進行零樣本目標檢測的問題，通過自定義處理程序，能夠靈活地對輸入圖像進行目標檢測。

🚀 快速開始

本倉庫為 🤗 Inference Endpoints 實現了 零樣本目標檢測 的 自定義 任務。自定義處理程序的代碼位於 handler.py。

若要將此模型部署為推理端點，你需要選擇 自定義 任務以使用 handler.py 文件。倉庫中包含 requirements.txt 文件，用於下載 timm 庫。

📦 安裝指南

倉庫中包含 requirements.txt 文件，可使用以下命令下載 timm 庫：

pip install -r requirements.txt

💻 使用示例

基礎用法

以下是請求所需的有效負載示例：

{
  "inputs": {
    "image": "/9j/4AAQSkZJRgABAQEBLAEsAAD/2wBDAAMCAgICAgMC....", // 以字節形式表示的 base64 編碼圖像
    "candidates": ["broken curb", "broken road", "broken road sign", "broken sidewalk"]
  }
}

以下是使用 Python 和 requests 庫發送請求的示例：

import json
from typing import List
import requests as r
import base64

ENDPOINT_URL = ""
HF_TOKEN = ""

def predict(path_to_image: str = None, candidates: List[str] = None):
    with open(path_to_image, "rb") as i:
        b64 = base64.b64encode(i.read())

    payload = {"inputs": {"image": b64.decode("utf-8"), "candidates": candidates}}
    response = r.post(
        ENDPOINT_URL, headers={"Authorization": f"Bearer {HF_TOKEN}"}, json=payload
    )
    return response.json()


prediction = predict(
    path_to_image="image/brokencurb.jpg", candidates=["broken curb", "broken road", "broken road sign", "broken sidewalk"]
)
print(json.dumps(prediction, indent=2))

預期輸出：

{
  "boxes": [
    [
      1.919342041015625,
      231.1556396484375,
      1011.4019775390625,
      680.3773193359375
    ],
    [
      610.9949951171875,
      397.6180419921875,
      1019.9259033203125,
      510.8144226074219
    ],
    [
      1.919342041015625,
      231.1556396484375,
      1011.4019775390625,
      680.3773193359375
    ],
    [
      786.1240234375,
      68.618896484375,
      916.1265869140625,
      225.0513458251953
    ]
  ],
  "scores": [
    0.4329715967178345,
    0.4215811491012573,
    0.3389397859573364,
    0.3133399784564972
  ],
  "candidates": [
    "broken sidewalk",
    "broken road sign",
    "broken road",
    "broken road sign"
  ]
}

其中，邊界框的結構為 {x_min, y_min, x_max, y_max}。

高級用法

若要可視化請求結果，可使用以下代碼：

prediction = predict(
    path_to_image="image/cat_and_remote.jpg", candidates=["cat", "remote", "pot hole"]
)

import matplotlib.pyplot as plt
import matplotlib.patches as patches

with open("image/cat_and_remote.jpg", "rb") as i:
    image = plt.imread(i)
    
# 繪製圖像
fig, ax = plt.subplots(1)
ax.imshow(image)
for score, class_name, box in zip(
    prediction["scores"], prediction["candidates"], prediction["boxes"]
):
    # 創建矩形框
    rect = patches.Rectangle([int(box[0]), int(box[1])], int(box[2] - box[0]), int(box[3] - box[1]), linewidth=1, edgecolor='r', facecolor='none')
    # 將矩形框添加到圖像中
    ax.add_patch(rect)
    
    ax.text(int(box[0]), int(box[1]), str(round(score, 2)) + " " + str(class_name), color='white', fontsize=6, bbox=dict(facecolor='red', alpha=0.5))
    
plt.savefig('image_result/cat_and_remote_with_bboxes_zero_shot.jpeg')

輸入圖像示例：

📄 許可證

本項目採用 Apache-2.0 許可證。

🔗 參考來源

本項目對 Hugging Face 推理端點的適配靈感來源於 @philschmid 在 philschmid/clip-zero-shot-image-classification 上的工作。