README_CN.md

English | 简体中文

InsightFace RKNPU准备部署模型

本教程提供InsightFace模型在RKNPU2环境下的部署，模型的详细介绍已经ONNX模型的下载请查看模型介绍文档。

支持模型列表

目前FastDeploy支持如下模型的部署

• ArcFace
• CosFace
• PartialFC
• VPL

下载预训练ONNX模型

为了方便开发者的测试，下面提供了InsightFace导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）其中精度指标来源于InsightFace中对各模型的介绍，详情各参考InsightFace中的说明

模型	大小	精度 (AgeDB_30)
CosFace-r18	92MB	97.7
CosFace-r34	131MB	98.3
CosFace-r50	167MB	98.3
CosFace-r100	249MB	98.4
ArcFace-r18	92MB	97.7
ArcFace-r34	131MB	98.1
ArcFace-r50	167MB	-
ArcFace-r100	249MB	98.4
ArcFace-r100_lr0.1	249MB	98.4
PartialFC-r34	167MB	-
PartialFC-r50	249MB	-

转换为RKNPU模型

wget https://bj.bcebos.com/paddlehub/fastdeploy/ms1mv3_arcface_r18.onnx

python -m paddle2onnx.optimize --input_model ./ms1mv3_arcface_r18/ms1mv3_arcface_r18.onnx \
                               --output_model ./ms1mv3_arcface_r18/ms1mv3_arcface_r18.onnx \
                               --input_shape_dict "{'data':[1,3,112,112]}"

python  /Path/To/FastDeploy/tools/rknpu2/export.py \
        --config_path tools/rknpu2/config/arcface_unquantized.yaml \
        --target_platform rk3588

详细部署文档

• Python部署
• C++部署

版本说明

• 本版本文档和代码基于InsightFace CommitID:babb9a5 编写