Inference Endpoint For Omdet Turbo Swin Tiny Hf

🚀 零样本目标检测推理端点项目

本项目是对 omlab/omdet-turbo-swin-tiny-hf 的复刻，旨在为 🤗 Inference Endpoints 实现 零样本目标检测 的 自定义 任务。该项目解决了在特定推理端点上进行零样本目标检测的问题，通过自定义处理程序，能够灵活地对输入图像进行目标检测。

🚀 快速开始

本仓库为 🤗 Inference Endpoints 实现了 零样本目标检测 的 自定义 任务。自定义处理程序的代码位于 handler.py。

若要将此模型部署为推理端点，你需要选择 自定义 任务以使用 handler.py 文件。仓库中包含 requirements.txt 文件，用于下载 timm 库。

📦 安装指南

仓库中包含 requirements.txt 文件，可使用以下命令下载 timm 库：

pip install -r requirements.txt

💻 使用示例

基础用法

以下是请求所需的有效负载示例：

{
  "inputs": {
    "image": "/9j/4AAQSkZJRgABAQEBLAEsAAD/2wBDAAMCAgICAgMC....", // 以字节形式表示的 base64 编码图像
    "candidates": ["broken curb", "broken road", "broken road sign", "broken sidewalk"]
  }
}

以下是使用 Python 和 requests 库发送请求的示例：

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))

预期输出：

{
  "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，边界框的结构为 {x_min, y_min, x_max, y_max}。

高级用法

若要可视化请求结果，可使用以下代码：

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)
    
# 绘制图像
fig, ax = plt.subplots(1)
ax.imshow(image)
for score, class_name, box in zip(
    prediction["scores"], prediction["candidates"], prediction["boxes"]
):
    # 创建矩形框
    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')
    # 将矩形框添加到图像中
    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')

输入图像示例：

📄 许可证

本项目采用 Apache-2.0 许可证。

🔗 参考来源

本项目对 Hugging Face 推理端点的适配灵感来源于 @philschmid 在 philschmid/clip-zero-shot-image-classification 上的工作。