Skip to content

Latest commit

 

History

History
 
 

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 
 
 

PaddleSeg Matting模型高性能全场景部署方案-FastDeploy

1. 说明

PaddleSeg支持利用FastDeploy在NVIDIA GPU、X86 CPU、飞腾CPU、ARM CPU、Intel GPU(独立显卡/集成显卡)硬件上快速部署Matting模型

2. 使用预导出的模型列表

为了方便开发者的测试,下面提供了PP-Matting导出的各系列模型,开发者可直接下载使用。其中精度指标来源于PP-Matting中对各模型的介绍(未提供精度数据),详情各参考PP-Matting中的说明。注意deploy.yaml文件记录导出模型的input_shape以及预处理信息,若不满足要求,用户可重新导出相关模型。

模型 参数大小 精度 备注
PP-Matting-512 106MB -
PP-Matting-1024 106MB -
PP-HumanMatting 247MB -
Modnet-ResNet50_vd 355MB -
Modnet-MobileNetV2 28MB -
Modnet-HRNet_w18 51MB -

3. 自行导出PaddleSeg部署模型

3.1 模型版本

支持PaddleSeg 高于2.6版本的Matting模型,目前FastDeploy中测试过模型如下:

3.2 模型导出

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.pdmodelmodel.pdiparamsdeploy.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

4. 详细的部署示例