L2Cs-Net

Serverless Hosted API を通じて L2Cs-Net の gaze detection model を使用します

L2Cs-Net は、顔を検出し、各顔の yaw 角と pitch 角を予測する視線方向推定モデルです。次の方法で実行できます: Serverless Hosted API.

コードサンプル

HTTP エンドポイント経由で L2Cs-Net を直接実行するには curl、または inference-sdk ラッパー。

API Key を取得する

Roboflow アカウントを作成し、キーを次の場所で見つけます Roboflow API 設定ページそしてシェルで利用できるようにします:

export ROBOFLOW_API_KEY="your-key-here"

モデルを実行する

次を呼び出します /gaze/gaze_detection エンドポイントを使って 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"}
  }'

API Key を取得する

Roboflow アカウントを作成し、キーを次の場所で見つけます Roboflow API 設定ページそしてシェルで利用できるようにします:

export ROBOFLOW_API_KEY="your-key-here"

依存関係をインストールする

このパッケージは次のモデルを呼び出します:

pip install inference-sdk

モデルを実行する

以下のコードサンプルは detect_gazesを呼び出します。これは同じ /gaze/gaze_detection エンドポイントにアクセスします:

import os
import cv2
import numpy as np
import requests
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/inference/man.jpg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

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"Face at ({face['x']}, {face['y']}) - yaw: {yaw:.3f}, pitch: {pitch:.3f}")

推論速度

〜で測定されたレイテンシ Roboflow Inference 1x NVIDIA L4、バッチサイズ 1、ウォームアップ後の平均で測定。

モデル

レイテンシ (ms)

l2cs-net

6.0

モデルが入力として想定する単一の顔切り出しで測定しています。

設定する api_url をデプロイ先に合わせてください:

https://serverless.roboflow.com Serverless Hosted API 用。
http://localhost:9001 ローカルの Inference サーバー用。
あなたの Dedicated Deployment プライベートエンドポイントの URL。

レスポンスには以下を含むリストが含まれます predictions （各項目に face bounding box, landmarks, yaw、および pitch （ラジアン単位）, time, time_face_det、および time_gaze_det.

セルフホストのデプロイメントや追加の例については、次を参照してください。 Roboflow Inference docs.

前へRoboflow 2.0 次へTrOCR

最終更新 8 日前

役に立ちましたか？