描述 #

图片人脸检测算子

主要功能 #

• 自动检测图片中的人脸并返回矩形框列表 (x, y, w, h)
• 支持 URL、本地路径、Base64、二进制等多种输入方式
• 输出人脸矩形框列表
• cpu 和 gpu 环境均可运行

适用场景 #

• 隐私合规：发布前对图片中的人脸进行脱敏打码
• 数据预处理：为训练/评测数据集生成带人脸矩形框的版本
• 内容审核/展示：对涉及敏感人脸的图片进行自动矩形框处理

注意事项 #

• 单条样本处理失败时，该条结果返回 None，不影响同一批次内其他样本

算子参数 #

输入 #

输出 #

一个结构化结果数组，其中每个元素为图片中检测到的人脸边界框列表。

• 每个边界框为一个四元组 (x1, y1, x2, y2)，表示左上角和右下角坐标。
• 如果图片中未检测到人脸，则对应元素为 None。

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 daft 运行算子对图像中的人脸做检测。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.image import ImageFaceDetect
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {"image_path": [f"https://{tos_dir_url}/public/shared_image_dataset/mengnalisa.png"]}
    ds = daft.from_pydict(samples)

    model_path = os.getenv("MODEL_PATH", "/opt/las/models")
    constructor_kwargs = {
        "model_path": model_path,
    }

    ds = ds.with_column(
        "face_bounding_boxes",
        las_udf(
            ImageFaceDetect,
            construct_args=constructor_kwargs,
            num_gpus=0,
            batch_size=1,
            concurrency=1,
        )(col("image_path")),
    )

    ds.show()

    # ╭────────────────────────────────┬──────────────────────╮
    # │ image_path                     ┆ face_bounding_boxes  │
    # │ ---                            ┆ ---                  │
    # │ String                         ┆ List[List[Int32]]    │
    # ╞════════════════════════════════╪══════════════════════╡
    # │ https://las-cn-beijing-public… ┆ [[99, 36, 166, 116]] │
    # ╰────────────────────────────────┴──────────────────────╯