L2Cs-Net

L2Cs-Net 시선 감지 모델을 Serverless Cloud API를 통해 사용하세요.

L2Cs-Net은 얼굴을 감지하고 각 얼굴의 yaw 및 pitch 각도를 예측하는 시선 방향 추정 모델입니다. 이를 저희의 Serverless Cloud API.

셀프 호스티드 Inference에서 사용 중단되었습니다. Gaze detection은 다음에서 사용 중단되었습니다 Roboflow Inference MediaPipe 종속성이 제거되었을 때. 영향을 받는 버전에서는, 다음이 /gaze/gaze_detection 엔드포인트와 Gaze 모델 클래스는 FeatureDeprecatedError (HTTP 410 Gone)를 발생시키며, 스텁 엔드포인트는 제거 예정입니다. 설정하세요 CORE_MODEL_GAZE_ENABLED=False 를 완전히 비활성화합니다. 이 기능이 필요하면 Roboflow에 문의하세요.

코드 예시

다음과 함께 HTTP 엔드포인트를 통해 L2Cs-Net을 직접 실행하세요 curl, 또는 다음을 사용하여 inference-sdk 래퍼.

HTTP (curl)

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요. Roboflow API 설정 페이지 에서 다음과 같이 셸에서 사용할 수 있도록 합니다:

export ROBOFLOW_API_KEY="your-key-here"

2

모델 실행

다음을 호출합니다. /gaze/gaze_detection 엔드포인트를 다음과 함께 curl:

curl --location 'https://serverless.roboflow.com/gaze/gaze_detection' \\
  --header 'Content-Type: application/json' \\
  --data '{
    "api_key": "'"$ROBOFLOW_API_KEY"'",
    "image": {"type": "url", "value": "https://media.roboflow.com/inference/man.jpg"}
  }'

SDK (Python)

1

API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾으세요. Roboflow API 설정 페이지 에서 다음과 같이 셸에서 사용할 수 있도록 합니다:

export ROBOFLOW_API_KEY="your-key-here"

2

의존성 설치

이 패키지는 다음 모델을 호출합니다:

pip install -U inference-sdk supervision

3

모델 실행

아래 코드 샘플은 다음을 호출합니다 detect_gazes, 이는 동일한 /gaze/gaze_detection 엔드포인트를 호출합니다:

import os
import supervision as sv
from inference_sdk import InferenceHTTPClient

image = sv.load_image_from_url("https://media.roboflow.com/inference/man.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).select_api_v1()

result = client.detect_gazes(image)

for prediction in result[0]["predictions"]:
    face = prediction["face"]
    yaw = prediction["yaw"]
    pitch = prediction["pitch"]
    print(f"얼굴 위치 ({face['x']}, {face['y']}) - yaw: {yaw:.3f}, pitch: {pitch:.3f}")

추론 속도

지연 시간 측정 기준: Roboflow Inference 1x NVIDIA L4, 배치 크기 1에서 워밍업 후 평균값.

모델	지연 시간(ms)
l2cs-net	6.0

모델이 입력으로 기대하는 단일 얼굴 자르기에서 측정됩니다.

설정 api_url 를 배포 대상에 맞게:

• https://serverless.roboflow.com 서버리스 클라우드 API용입니다.

• http://localhost:9001 로컬 Inference 서버용.

• 당신의 전용 배포 비공개 엔드포인트용 URL.

응답에는 다음이 포함된 목록이 들어 있습니다 예측 (각각 다음을 포함: 얼굴 바운딩 박스, 랜드마크, yaw, 그리고 pitch 를 라디안 단위로), time, time_face_det, 그리고 time_gaze_det.

셀프 호스티드 배포 및 추가 예시는 다음을 참조하세요 Roboflow Inference 문서.

Inference(자가 호스팅)에서 사용

L2Cs-Net은 로컬 Inference 서버로도 제공할 수 있습니다:

pip install inference inference-cli inference-sdk
inference 서버 시작  # http://localhost:9001에서 서비스

import os
from inference_sdk import InferenceHTTPClient

client = InferenceHTTPClient(
    api_url="http://localhost:9001",
    api_key=os.environ["ROBOFLOW_API_KEY"],
)

client.detect_gazes(inference_input="./image.jpg")

모델은 감지된 각 얼굴마다 하나의 항목을 반환하며, 얼굴 박스와 랜드마크뿐 아니라 yaw 및 pitch 를 라디안 단위로 포함합니다:

[{'face': {'x': 1107.0, 'y': 1695.5, 'width': 1056.0, 'height': 1055.0,
           'confidence': 0.9356, 'class': 'face', 'class_id': 0,
           'landmarks': [{'x': 902.0, 'y': 1441.0}, {'x': 1350.0, 'y': 1449.0},
                         {'x': 1137.0, 'y': 1692.0}, {'x': 1124.0, 'y': 1915.0},
                         {'x': 625.0, 'y': 1551.0}, {'x': 1565.0, 'y': 1571.0}]},
  'pitch': 0.0295,
  'yaw': -0.0410}]

yaw와 pitch를 공간상의 한 점으로 변환할 때는 얼굴이 카메라에서 대략 1미터 거리에 있고 대략 높이 250mm라고 가정합니다. 이는 웹캠 설정을 위한 합리적인 시작점입니다.

해당 시선 감지 예제 Inference 저장소의 예제에서는 웹캠에서 L2Cs-Net을 실행하고, 사람이 어디를 보고 있는지 계산하며, 프레임에 주석을 추가하는 방법을 보여줍니다.

워크플로의 실행 모드

다음에서 사용될 때 워크플로, gaze detection은 다음의 두 가지 모드 중 하나로 실행됩니다:

• 로컬 실행: 모델이 Inference 서버에서 실행됩니다.

• 원격 실행: 모델이 detect_gazes() 클라이언트 메서드를 통해 원격 Inference 서버에서 HTTP로 호출됩니다.

추가 읽을거리

• 시선 감지 및 눈 추적: 사용 방법 가이드