更换文档检测模型

paddle_detection/deploy/EXPORT_ONNX_MODEL.md

@@ -0,0 +1,112 @@
+# PaddleDetection模型导出为ONNX格式教程
+
+PaddleDetection模型支持保存为ONNX格式，目前测试支持的列表如下
+| 模型  | OP版本 | 备注 |
+| :---- | :----- | :--- |
+| YOLOv3 |  11   |  仅支持batch=1推理；模型导出需固定shape |
+| PP-YOLO | 11 | 仅支持batch=1推理；MatrixNMS将被转换NMS，精度略有变化；模型导出需固定shape |
+| PP-YOLOv2 | 11 | 仅支持batch=1推理；MatrixNMS将被转换NMS，精度略有变化；模型导出需固定shape |
+| PP-YOLO Tiny | 11 | 仅支持batch=1推理；模型导出需固定shape |
+| PP-YOLOE | 11 | 仅支持batch=1推理；模型导出需固定shape |
+| PP-PicoDet | 11 | 仅支持batch=1推理；模型导出需固定shape |
+| FCOS | 11 |仅支持batch=1推理 |
+| PAFNet | 11 |- |
+| TTFNet | 11 |-|
+| SSD | 11 |仅支持batch=1推理 |
+| PP-TinyPose | 11 | - |
+| Faster RCNN | 16 | 仅支持batch=1推理, 依赖0.9.7及以上版本|
+| Mask RCNN | 16 | 仅支持batch=1推理, 依赖0.9.7及以上版本|
+| Cascade RCNN | 16 | 仅支持batch=1推理, 依赖0.9.7及以上版本|
+| Cascade Mask RCNN | 16 | 仅支持batch=1推理, 依赖0.9.7及以上版本|
+
+保存ONNX的功能由[Paddle2ONNX](https://github.com/PaddlePaddle/Paddle2ONNX)提供，如在转换中有相关问题反馈，可在Paddle2ONNX的Github项目中通过[ISSUE](https://github.com/PaddlePaddle/Paddle2ONNX/issues)与工程师交流。
+
+## 导出教程
+
+### 步骤一、导出PaddlePaddle部署模型
+
+
+导出步骤参考文档[PaddleDetection部署模型导出教程](./EXPORT_MODEL.md), 导出示例如下
+
+- 非RCNN系列模型, 以YOLOv3为例
+```
+cd PaddleDetection
+python tools/export_model.py -c configs/yolov3/yolov3_darknet53_270e_coco.yml \
+                             -o weights=https://paddledet.bj.bcebos.com/models/yolov3_darknet53_270e_coco.pdparams \
+                             TestReader.inputs_def.image_shape=[3,608,608] \
+                             --output_dir inference_model
+```
+导出后的模型保存在`inference_model/yolov3_darknet53_270e_coco/`目录中，结构如下
+```
+yolov3_darknet
+  ├── infer_cfg.yml          # 模型配置文件信息
+  ├── model.pdiparams        # 静态图模型参数
+  ├── model.pdiparams.info   # 参数额外信息，一般无需关注
+  └── model.pdmodel          # 静态图模型文件
+```
+> 注意导出时的参数`TestReader.inputs_def.image_shape`，对于YOLO系列模型注意导出时指定该参数，否则无法转换成功
+
+- RCNN系列模型，以Faster RCNN为例
+
+RCNN系列模型导出ONNX模型时，需要去除模型中的控制流，因此需要额外添加`export_onnx=True` 字段
+```
+cd PaddleDetection
+python tools/export_model.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.yml \
+                             -o weights=https://paddledet.bj.bcebos.com/models/faster_rcnn_r50_fpn_1x_coco.pdparams \
+                             export_onnx=True \
+                             --output_dir inference_model
+```
+
+导出的模型保存在`inference_model/faster_rcnn_r50_fpn_1x_coco/`目录中，结构如下
+```
+faster_rcnn_r50_fpn_1x_coco
+  ├── infer_cfg.yml          # 模型配置文件信息
+  ├── model.pdiparams        # 静态图模型参数
+  ├── model.pdiparams.info   # 参数额外信息，一般无需关注
+  └── model.pdmodel          # 静态图模型文件
+```
+
+### 步骤二、将部署模型转为ONNX格式
+安装Paddle2ONNX（高于或等于0.9.7版本)
+```
+pip install paddle2onnx
+```
+使用如下命令转换
+```
+# YOLOv3
+paddle2onnx --model_dir inference_model/yolov3_darknet53_270e_coco \
+            --model_filename model.pdmodel \
+            --params_filename model.pdiparams \
+            --opset_version 11 \
+            --save_file yolov3.onnx
+
+# Faster RCNN
+paddle2onnx --model_dir inference_model/faster_rcnn_r50_fpn_1x_coco \
+            --model_filename model.pdmodel \
+            --params_filename model.pdiparams \
+            --opset_version 16 \
+            --save_file faster_rcnn.onnx
+```
+转换后的模型即为在当前路径下的`yolov3.onnx`和`faster_rcnn.onnx`
+
+### 步骤三、使用onnxruntime进行推理
+安装onnxruntime
+```
+pip install onnxruntime
+```
+推理代码示例在[deploy/third_engine/onnx](./third_engine/onnx)下
+
+使用如下命令进行推理：
+```
+# YOLOv3
+python deploy/third_engine/onnx/infer.py
+            --infer_cfg inference_model/yolov3_darknet53_270e_coco/infer_cfg.yml \
+            --onnx_file yolov3.onnx \
+            --image_file demo/000000014439.jpg
+
+# Faster RCNN
+python deploy/third_engine/onnx/infer.py
+            --infer_cfg inference_model/faster_rcnn_r50_fpn_1x_coco/infer_cfg.yml \
+            --onnx_file faster_rcnn.onnx \
+            --image_file demo/000000014439.jpg
+```