feat: 按算法生成模板并支持从 Git LFS 下载模型
- init 新增 yolo26/resnet/arcface/lprnet/face-recognition 模板（多模型人脸检测+识别） - 新增 embedding/text 输出类型与模板资源（COCO、字符表等） - 新增 algpkg download-models：从 Gitea LFS 下载 models/BM1688 并做 SHA256 校验 - 补充单元测试与 README
This commit is contained in:
linaro
@@ -35,8 +35,12 @@ worker 侧 `workers/video/pyproject.toml` 以**路径依赖**指向本项目（`
|
||||
# ① 生成脚手架（目录骨架 + manifest 模板 + 可运行示例 + 自测说明）
|
||||
algpkg init /tmp/smoke-detect --id demo.smoke-detect --name 抽烟检测 --version 1.0.0
|
||||
|
||||
# 按算法生成（推荐）：YOLO26 模板已内置完整 SAIL 前后处理与 COCO 80 类标签
|
||||
algpkg init /tmp/yolo26-demo --id demo.yolo26 --name YOLO26检测 --algorithm yolo26
|
||||
|
||||
# ② 实现 /tmp/smoke-detect/<包内代码目录>/__init__.py 的 load() / infer()
|
||||
# 模型放 /tmp/smoke-detect/models/，或打包时用 --model 指定
|
||||
# yolo26 模板已实现，无需再写；模型放 /tmp/yolo26-demo/models/
|
||||
# 或打包时用 --model 指定
|
||||
|
||||
# ③ 打包 + 自检（不需要设备）
|
||||
algpkg build /tmp/smoke-detect --out demo.smoke-detect-1.0.0.mbank
|
||||
@@ -44,6 +48,64 @@ algpkg inspect demo.smoke-detect-1.0.0.mbank # 清单/模型/快照/
|
||||
algpkg verify demo.smoke-detect-1.0.0.mbank # 结构与模型校验
|
||||
```
|
||||
|
||||
### 2.1 算法模板（`algpkg init --algorithm/--template`）
|
||||
|
||||
| 模板 | 生成内容 |
|
||||
| ---- | -------- |
|
||||
| `generic`（默认） | 目录骨架 + 占位 `load()/infer()`，自己按模型补前后处理 |
|
||||
| `yolo26` | **可直接运行的 YOLO26 检测包**：`load()` 构造 SAIL 引擎；`infer()` 完成 letterbox 前处理 → 推理 → 置信度过滤/坐标反变换；manifest 预置 `yolo26s_fp16_1b` 模型、`conf/interval/draw` 参数与 COCO 80 类 labels |
|
||||
| `resnet` | **可直接运行的 ResNet 图像分类包**：resize + ImageNet mean/std 归一化 → 推理 → softmax/top-1；分类结果用整帧框承载（score/类别），绘制与告警链路无需改动；manifest 预置 `resnet50_fp32_1b` 模型、`conf/interval/draw` 参数与 1000 类占位 labels |
|
||||
| `arcface` | **ArcFace 人脸特征提取包**：RGB → resize 112×112 → 推理 → L2 归一化；输出 512 维 embedding 放在 `AlgoResult.meta["embedding"]`，`output.type=embedding`；manifest 预置 `arcface_resnet50_fp32_1b` 模型与 `interval` 参数 |
|
||||
| `lprnet` | **LPRNet 车牌识别包**：BGR → resize 到模型输入 → `(x-127.5)/128` → CTC 贪心解码；车牌字符串放在 `AlgoResult.meta["text"]`，`output.type=text`；manifest 预置 `lprnet_fp32_1b` 模型、`interval` 参数与字符表 `assets/chars.txt` |
|
||||
| `face-recognition` | **人脸检测 + 识别双模型包**：RetinaFace 检测人脸 → 按框外扩裁脸 → ArcFace 提取 512 维特征；`boxes` 为人脸框，`meta["embeddings"]` 与框逐项对应；manifest 同时声明 `face_detector` 与 `arcface` 两份模型 |
|
||||
|
||||
`--algorithm` 也接受 `yolov26`、`yolo26-detect`、`resnet50`、`classifier`、`arc-face`、
|
||||
`face-embedding`、`lpr`、`license-plate`、`face`、`retinaface-arcface` 等别名；
|
||||
`--kind` 缺省沿用模板（yolo26/face-recognition → `detector`，其余 → `classifier`），
|
||||
显式给出可覆盖。模型放到模板提示的路径即可打包，不在源码目录时用
|
||||
`--model <模型名>=<磁盘路径>` 指定实际文件：
|
||||
|
||||
```bash
|
||||
algpkg init /tmp/yolo26-demo --id demo.yolo26 --name YOLO26检测 --algorithm yolo26
|
||||
algpkg build /tmp/yolo26-demo --out demo.yolo26-1.0.0.mbank \
|
||||
--model yolo26s_fp16_1b=/path/to/yolo26s_fp16_1b.bmodel
|
||||
|
||||
algpkg init /tmp/resnet-demo --id demo.resnet --name ResNet分类 --algorithm resnet
|
||||
algpkg build /tmp/resnet-demo --out demo.resnet-1.0.0.mbank \
|
||||
--model resnet50_fp32_1b=/path/to/resnet50_fp32_1b.bmodel
|
||||
|
||||
algpkg init /tmp/arcface-demo --id demo.arcface --name ArcFace特征 --algorithm arcface
|
||||
algpkg build /tmp/arcface-demo --out demo.arcface-1.0.0.mbank \
|
||||
--model arcface_resnet50_fp32_1b=/path/to/arcface_resnet50_fp32_1b.bmodel
|
||||
|
||||
algpkg init /tmp/lprnet-demo --id demo.lprnet --name 车牌识别 --algorithm lprnet
|
||||
algpkg build /tmp/lprnet-demo --out demo.lprnet-1.0.0.mbank \
|
||||
--model lprnet_fp32_1b=/path/to/lprnet_fp32_1b.bmodel
|
||||
|
||||
algpkg init /tmp/face-demo --id demo.face --name 人脸检测识别 --algorithm face-recognition
|
||||
algpkg build /tmp/face-demo --out demo.face-1.0.0.mbank \
|
||||
--model face_detector=/path/to/retinaface_mobilenet0.25_fp32_1b.bmodel \
|
||||
--model arcface=/path/to/arcface_resnet50_fp32_1b.bmodel
|
||||
```
|
||||
|
||||
### 2.2 下载演示模型（`algpkg download-models`）
|
||||
|
||||
仓库里的 5 个 BM1688 演示模型（YOLO26 / ResNet50 / ArcFace / LPRNet / RetinaFace，
|
||||
共约 299 MB）通过 **Git LFS** 存放在 `models/BM1688/`。没有 `git-lfs`、或不想拉取
|
||||
整个仓库时，可直接从 Gitea 的 LFS 端点下载（自动 SHA256 校验；已存在且正确的文件跳过）：
|
||||
|
||||
```bash
|
||||
algpkg download-models # 全部 5 个 → models/BM1688
|
||||
algpkg download-models --model yolo26 --model resnet
|
||||
algpkg download-models --dest /tmp/models --force # 自定义目录 / 强制重下
|
||||
# 私有仓库或自定义地址：
|
||||
algpkg download-models --url http://<gitea>/<owner>/<repo>.git --token <TOKEN>
|
||||
```
|
||||
|
||||
默认仓库地址可用 `ALGPKG_REPO_URL` 覆盖，token 也可用 `GITEA_TOKEN` 环境变量提供。
|
||||
模型名支持 `yolo26`、`resnet`、`arcface`、`lprnet`、`retinaface` 及常用别名
|
||||
（`yolov26`、`resnet50`、`lpr`、`face-detector` 等）。模型需已 push 到远端 LFS。
|
||||
|
||||
## 3. 本地测试（不需要 worker）
|
||||
|
||||
```bash
|
||||
@@ -144,10 +206,13 @@ algpkg-sdk/
|
||||
├── src/algpkg_sdk/
|
||||
│ ├── api.py 接口契约（Algorithm / AlgoContext / AlgoResult）+ 别名注册
|
||||
│ ├── manifest.py 清单字段与校验（models / params_schema / alarm / legacy…）
|
||||
│ ├── models.py download-models：从 Git LFS 拉取 models/BM1688 演示模型
|
||||
│ ├── loader.py AlgoPackage：读 svfs、挂代码（试加载）、构造实例
|
||||
│ ├── builder.py 打包（module_bank 打代码 + svfs 放模型/资源 + 快照=版本 + 签名）
|
||||
│ ├── testkit.py 本地测试台：check / run / compare（无需 worker）
|
||||
│ └── cli.py algpkg build|inspect|verify|init|list|check|run|compare
|
||||
│ ├── templates.py init 算法模板（generic / yolo26 / resnet / arcface / lprnet / face-recognition）
|
||||
│ └── cli.py algpkg build|inspect|verify|init|list|check|run|compare|download-models
|
||||
├── models/BM1688/ Git LFS：5 个 BM1688 演示模型（可 download-models 拉取）
|
||||
├── examples/person-count/ 完整示例：人员计数（自带实现，只依赖本 SDK）
|
||||
│ └── …
|
||||
└── tests/ pytest（无设备跑静态，有设备跑推理，自动跳过）
|
||||
|
||||
Reference in New Issue
Block a user