这是一个使用PaddlePaddle库进行离线目标检测的iOS Demo。该Demo调用PaddlePaddle C-API接口，使用预训练好的PaddlePaddle模型，可以检测到通过摄像头捕获到的目标的类别，并将其标记出来，展示给用户。
更多关于SSD模型架构特征，以及如何使用PaddlePaddle训练得到一个好的SSD模型，可以参考这里。我们也提供了一个Linux Demo，可以在Linux系统上快速地验证模型。
我们提供3个预训练的模型以进行测试。其中，vgg_ssd_net和pascal_mobilenet_300_66模型可进行20类通用物体检测和识别，face_mobilenet_160_91可以对人脸进行检测。其识别精度如下表所示：
| Model | Dimensions | Accuracy | Size |
|---|---|---|---|
| pascal_mobilenet_300_66.paddle | 300 x 300 | 66% | 23.2MB |
| vgg_ssd_net.paddle | 300 x 300 | 71% | 104.3MB |
| face_mobilenet_160_91.paddle | 160 x 160 | 91% | 18.4MB |
点击表格中各模型名字，会自动通过浏览器下载对应模型。
App模型需要开启摄像头权限。启动App后，点击屏幕，将会出现设置主界面（如图-1（1）所示），其中
- 模型选择层：可以选择
Pascal MobileNet 300或Face MobileNet 160，进行20类通用目标检测或者人脸检测。注意：默认情况下Pascal VGG 300功能是关闭的。每一次改变设置，App将需要重新启动。 - 摄像头选择层：可选择
Front/Back Camera，即前置/后置摄像头来捕获图像，进行检测。 - 精度阈值控制层（
Accuracy threshold）：控制识别结果的准确度。取值越高，检测到目标的准确性也越高，但检测到目标的数量可能会降低。 - 刷新时间间隔控制层（
Time Refresh Rate）：控制摄像头捕获图像的频率。
图-1
（1）App设置主界面
（2）20类通用目标检测效果
（3）人脸检测效果
进行20类通用目标检测时，App将会框选出检测到的目标，并且显示对应目标的类别和概率（如图-1（2）所示）。进行人脸检测时，App将会框选出目标人脸的位置（如图-1（3）所示）。
如果你想快速地体验PDCamera，可通过扫描以下二维码进行安装。成功识别二维码之后，会自动跳转到安装页面，点击**“Install PDCamera”**链接，App会自动下载并安装到你的iOS设备上。
成功安装App后，你还需要按照如下步骤设置你的iOS设备：设置 → 通用 → 设备管理 → Baidu USA llc → 信任“Baidu USA llc”。
该Demo基于最新的XCode（XCode 9.1）开发。由于Demo中需要调用摄像头进行目标检测，因此不能在模拟器上测试。
该Demo前端使用Swift绘制，基于API 10.0+，因此要求设备的iOS版本在10.0以上。由于Swift不能直接调用Paddle的C-API，因此我们使用Objective-C实现了一个中间层，来调用Paddle的C-API接口。
Github上面只维护了该Demo相关的源码文件和项目配置。用户可下载face_mobilenet_160_91.paddle和pascal_mobilenet_300_66.paddle，加入项目根目录下面的models子目录下面。
VGG模型的识别精度高，但由于模型较大（104.3MB），需要占用较高的内存（~800MB），并且识别速度慢（每帧~1.5秒），因此对设备的计算能力要求较高（iPhone6s以上），默认没有添加到项目中。用户也可自行下载vgg_ssd_net.paddle，添加到项目中，体验其高精度识别效果。
这里，我们使用的是合并的模型（merged model）。如何从配置文件（例如config.py）和训练得到的参数文件（例如params_pass_0.tar.gz）得的合并的模型文件，请参考如何合并模型。
用户可按照iOS平台编译指南，拉取Paddle最新的源码，编译适用于iOS平台的PaddlePaddle库。在执行make install之后，PaddlePaddle库将会安装在CMAKE_INSTALL_PREFIX所指定的目录下。该目录包含如下子目录：
include，其中包含使用PaddlePaddle所需要引入的头文件，通常代码中加入#include <paddle/capi.h>即可。lib，其中包含了PaddlePaddle对应架构的库文件。iOS平台只生成了静态库，包括libpaddle_capi_layers.a和libpaddle_capi_engine.a。third_party，PaddlePaddle所依赖的第三方库。
用户也可从wiki页面下载预编译好的版本。
准备好PaddlePaddle库之后，用户需要将PaddlePaddle库目录重命名为paddle-ios，并拷贝到AICamera项目的根目录下。
在准备好一切之后，项目的目录结构应如下所示：
$ git clone https://github.com/PaddlePaddle/Mobile.git
$ cd Mobile/Demo/iOS/AICamera
$ tree
.
├── AICamera # 源码目录
├── PDCamera.xcodeproj
├── README.md
├── README_cn.md
├── assets
├── models # 模型存放目录
│ ├── face_mobilenet_160_91.paddle
│ ├── pascal_mobilenet_300_66.paddle
│ └── vgg_ssd_net.paddle
└── paddle-ios # PaddlePaddle库所在目录
├── include
├── lib
│ ├── libpaddle_capi_engine.a
│ ├── libpaddle_capi_layers.a
│ └── libpaddle_capi_whole.a
└── third_party
然后，你就可以构建和运行该Demo了。
这个项目展示了如何在iOS App中集成PaddlePaddle，如何调用Paddle C API进行离线推断，以及如何和Swift混合互调。对于开发者，你可以根据自己的需求，在这个项目的基础之上进行二次开发，实现其他深度学习应用。
开发者若想在自己的iOS项目中链接PaddlePaddle库，则需要按照如下4个步骤配置项目。在这里，我们假设PaddlePaddle库安装在项目根目录的paddle-ios目录下面。
- 将头文件目录
paddle-ios/include添加到Header Search Paths。
- 如果编译PaddlePaddle库时设置了
IOS_USE_VECLIB_FOR_BLAS=ON，则需要将加速框架Accelerate.framework或veclib.framework添加到你的项目中。 - 将PaddlePaddle静态库
libpaddle_capi_layers.a和libpaddle_capi_engine.a，以及所有依赖的第三方库添加到项目中。
- 为
libpaddle_capi_layers.a设置-force_load属性。
