mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2026-04-23 00:17:25 +08:00

Files

T

Zheng_Bicheng 218f33f8b1 [RKNPU2] Add Quantized PPHumanSeg (#905 )

* 更新rknpu2 backend核心代码

* 更新模型导出核心代码

* 删除无用的config文件

* 新增配置文件以及修改文档

* 模型转换以及文档

* 更新文档

* 更新与配置文件

* 更新PPHumanSeg全量化

* 更新文档

* 更新文档

* 更新文档

2022-12-19 20:07:32 +08:00

a311d

[Backend] A311D support (#825 )

2022-12-13 11:53:36 +08:00

android

[Doc] Update OCR README & some dead links (#829 )

2022-12-08 10:48:38 +08:00

cpp

Update README.md

2022-12-07 11:13:05 +08:00

python

[Other]Update im.copy() to im in examples (#854 )

2022-12-12 09:47:54 +08:00

quantize

[Other]Update im.copy() to im in examples (#854 )

2022-12-12 09:47:54 +08:00

rknpu2

[RKNPU2] Add Quantized PPHumanSeg (#905 )

2022-12-19 20:07:32 +08:00

rv1126

[Backend] A311D support (#825 )

2022-12-13 11:53:36 +08:00

web

[Doc] Fix dead links (#517 )

2022-11-07 20:49:41 +08:00

README.md

[Doc] Update PaddleSeg README.md (#733 )

2022-11-29 09:45:16 +08:00

README.md

PaddleSeg 模型部署

模型版本说明

PaddleSeg develop

目前FastDeploy支持如下模型的部署

【注意】如你部署的为PP-Matting、PP-HumanMatting以及ModNet请参考Matting模型部署

准备PaddleSeg部署模型

PaddleSeg模型导出，请参考其文档说明模型导出

注意

PaddleSeg导出的模型包含model.pdmodel、model.pdiparams和deploy.yaml三个文件，FastDeploy会从yaml文件中获取模型在推理时需要的预处理信息

下载预训练模型

为了方便开发者的测试，下面提供了PaddleSeg导出的部分模型

without-argmax导出方式为：不指定--input_shape，指定--output_op none
with-argmax导出方式为：不指定--input_shape，指定--output_op argmax

开发者可直接下载使用。

模型	参数文件大小	输入Shape	mIoU	mIoU (flip)	mIoU (ms+flip)
Unet-cityscapes-with-argmax \| Unet-cityscapes-without-argmax	52MB	1024x512	65.00%	66.02%	66.89%
PP-LiteSeg-B(STDC2)-cityscapes-with-argmax \| PP-LiteSeg-B(STDC2)-cityscapes-without-argmax	31MB	1024x512	79.04%	79.52%	79.85%
PP-HumanSegV1-Lite-with-argmax(通用人像分割模型) \| PP-HumanSegV1-Lite-without-argmax(通用人像分割模型)	543KB	192x192	86.2%	-	-
PP-HumanSegV2-Lite-with-argmax(通用人像分割模型) \| PP-HumanSegV2-Lite-without-argmax(通用人像分割模型)	12MB	192x192	92.52%	-	-
PP-HumanSegV2-Mobile-with-argmax(通用人像分割模型) \| PP-HumanSegV2-Mobile-without-argmax(通用人像分割模型)	29MB	192x192	93.13%	-	-
PP-HumanSegV1-Server-with-argmax(通用人像分割模型) \| PP-HumanSegV1-Server-without-argmax(通用人像分割模型)	103MB	512x512	96.47%	-	-
Portait-PP-HumanSegV2-Lite-with-argmax(肖像分割模型) \| Portait-PP-HumanSegV2-Lite-without-argmax(肖像分割模型)	3.6M	256x144	96.63%	-	-
FCN-HRNet-W18-cityscapes-with-argmax \| FCN-HRNet-W18-cityscapes-without-argmax(暂时不支持ONNXRuntime的GPU推理)	37MB	1024x512	78.97%	79.49%	79.74%
Deeplabv3-ResNet101-OS8-cityscapes-with-argmax \| Deeplabv3-ResNet101-OS8-cityscapes-without-argmax	150MB	1024x512	79.90%	80.22%	80.47%

README.md Unescape Escape

PaddleSeg 模型部署

模型版本说明

准备PaddleSeg部署模型

下载预训练模型

详细部署文档

README.md