mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-05 08:37:06 +08:00

Files

huangjianhui 376fdbfe2c [Other] Update old Api to new ones (#861 )

* Update keypointdetection result docs

* Update im.copy() to im in examples

* Update new Api, fastdeploy::vision::Visualize to fastdeploy::vision

* Update SwapBackgroundSegmentation && SwapBackgroundMatting to SwapBackground

* Update README_CN.md

* Update README_CN.md

2022-12-14 17:25:58 +08:00

cpp

[Other] Update old Api to new ones (#861 )

2022-12-14 17:25:58 +08:00

python

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

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

README.md

[docs][win] add windows c++ sdk demo to examples (#136 )

2022-08-22 10:53:00 +08:00

README.md

YOLOR准备部署模型

YOLOR部署实现来自YOLOR的代码，和基于COCO的预训练模型。
- （1）官方库提供的*.pt通过导出ONNX模型操作后，可进行部署，*.pose模型不支持部署；
- （2）自己数据训练的YOLOR模型，按照导出ONNX模型操作后，参考详细部署文档完成部署。

导出ONNX模型

访问YOLOR官方github库，按照指引下载安装，下载yolor.pt 模型，利用 models/export.py 得到onnx格式文件。如果您导出的onnx模型出现精度不达标或者是数据维度的问题，可以参考yolor#32的解决办法

#下载yolor模型文件
wget https://github.com/WongKinYiu/yolor/releases/download/weights/yolor-d6-paper-570.pt

# 导出onnx格式文件
python models/export.py  --weights PATH/TO/yolor-xx-xx-xx.pt --img-size 640

下载预训练ONNX模型

为了方便开发者的测试，下面提供了YOLOR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）

模型	大小	精度
YOLOR-P6-1280	143MB	54.1%
YOLOR-W6-1280	305MB	55.5%
YOLOR-E6-1280	443MB	56.4%
YOLOR-D6-1280	580MB	57.0%
YOLOR-D6-1280	580MB	57.3%
YOLOR-P6	143MB	-
YOLOR-W6	305MB	-
YOLOR-E6	443MB	-
YOLOR-D6	580MB	-
YOLOR-D6	580MB	-

详细部署文档

版本说明

本版本文档和代码基于YOLOR weights 编写

README.md Unescape Escape

YOLOR准备部署模型

导出ONNX模型

下载预训练ONNX模型

详细部署文档

版本说明

README.md