• Paddle证件照生成
• • 模型应用开发和部署
  • • 模型服务化
    • 直接源代码运行
    • 本地容器化部署
    • 云原生网络部署
    • 更多CubeAI模型服务，参见： 《CubeAI服务原生模型示范库》
  • API接口

Paddle证件照生成

利用paddlehub中预训练模型deeplabv3p_xception65_humanseg（https://www.paddlepaddle.org.cn/hubdetail?name=deeplabv3p_xception65_humanseg&en_category=ImageSegmentation）和pyramidbox_face_detection（https://www.paddlepaddle.org.cn/hubdetail?name=pyramidbox_face_detection&en_category=FaceDetection）进行人像抠图和裁切。

DeepLabv3+ 是Google DeepLab语义分割系列网络的最新作，其前作有 DeepLabv1, DeepLabv2, DeepLabv3。在最新作中，作者通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层， 其骨干网络使用了Xception模型，提高了语义分割的健壮性和运行速率，在 PASCAL VOC 2012 dataset取得新的state-of-art performance。该PaddleHub Module使用百度自建数据集进行训练，可用于人像分割，支持任意大小的图片输入。

PyramidBox是一种基于SSD的单阶段人脸检测器，它利用上下文信息解决困难人脸的检测问题。PyramidBox在六个尺度的特征图上进行不同层级的预测。该工作主要包括以下模块：LFPN、PyramidAnchors、CPM、Data-anchor-sampling。该PaddleHub Module的预训练数据集为WIDER FACE数据集，可支持预测。

模型应用开发和部署

模型服务化

本模型基于 ServiceBoot微服务引擎 进行服务化封装，参见： 《CubeAI模型开发指南》

直接源代码运行

$ sh pip-install-reqs.sh
$ serviceboot start
或
$ python3 run_model_server.py

本地容器化部署

一键式本地容器化部署和运行，参见： 《CubeAI模型独立部署指南》 或 CubeAI Docker Builder

云原生网络部署

本模型服务可一键发布至 CubeAI智立方平台 进行共享和部署，参见： 《CubeAI模型发布指南》

更多CubeAI模型服务，参见： 《CubeAI服务原生模型示范库》

API接口

本模型提供了1个API接口：

• API接口1：

  • API端点： /api/data

  • HTTP方法： POST

  • HTTP请求体：

      {
          "action": "predict",
          "args": {
              "img": <压缩图像的base64编码字符串（或其Data URL表示）>,
              "red": <背景红色值(0~255)>,
              "green": <背景绿色值(0~255)>,
              "blue": <背景蓝色值(0~255)>,
          }
      }
    

  • HTTP响应体：

      {
          "status": "ok"|"err",
          "value": <裁切后照片的base64编码压缩图像URL>
      }