开放域目标检测-OWLv2 是一个官方模型组。本模型组具备基于 OWLv2 结构的开放目标检测能力，可以同时识别图像里的 8 种目标，还会为每个目标生成边界框和置信度分数。

基本信息

开放域目标检测-OWLv2 模型组有 4 个模型。其中，Ensemble 模型里集成了前处理模型（Pre-Processing）、推理模型（Backbone）和后处理模型（Post-Processing），它规定了模型组的整体工作流程。在使用时，您只需部署 Ensemble 模型，不用关心中间的处理过程。

您可以在边缘智能控制台的 官方模型 列表访问 Ensemble 模型。下图展示了本模型的基本信息。

Ensemble 模型输入

输入说明：

• text
  指的是要检测的类别名称。例如："cat,apple,person"。类别由您自己定义，只允许使用英文名称，不同类别之间用半角逗号（,）隔开。
• image_np
  表示输入的图像是 numpy.uint8 类型的数组，其尺寸是[高,宽,3]，这里的 3 代表通道数，通道顺序为 RGB。

Ensemble 模型输出

输出说明：

结果是一个字典类型的数据，包含 3 个键，键的格式为 ["boxes","scores","labels"]。每个键对应的值都是 numpy.float32 类型的数组。

• boxes 的值是一个形状为 (num, 4) 的二维数组。
• scores 的值是一个长度为 num 的一维数组。
• labels 的值是一个长度为 num 的一维数组。

这里的 num 指的是检测到的目标数量。

• 如果没有检测到任何目标，那么这 3 个键的值都为 []。
• labels 的值里的元素是输入中类别对应的索引，索引从 0 开始计数。

Ensemble 模型部署

开放域目标检测-OWLv2-Ensemble 模型提供一个可部署版本。

参考部署模型服务来部署模型服务。在 部署模型服务 参数配置页面，修改以下配置：

调用示例

模型服务部署成功后，您可以下载以下客户端调用示例，用来验证模型服务的效果。

client-demo-owlv2.zip

2.44KB