mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-16 05:30:58 +08:00
ec67f8ee6d
* 重构insightface代码 * 重写insightface example代码 * 重写insightface example代码 * 删除多余代码 * 修改预处理代码 * 修改文档 * 修改文档 * 恢复误删除的文件 * 修改cpp example * 修改cpp example * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 测试python代码 * 跑通python代码 * 修复重复初始化的bug * 更新adaface的python代码 * 修复c++重复初始化的问题 * 修复c++重复初始化的问题 * 修复Python重复初始化的问题 * 新增preprocess的几个参数的获取方式 * 修复注释的错误 * 按照要求修改 * 修改文档中的图片为图片压缩包 * 修改编译完成后程序的提示 * 更新错误include * 删除无用文件 * 更新文档
InsightFace准备部署模型
支持模型列表
目前FastDeploy支持如下模型的部署
- ArcFace
- CosFace
- PartialFC
- VPL
导出ONNX模型
以ArcFace为例:
访问ArcFace官方github库，按照指引下载安装，下载pt模型文件，利用 torch2onnx.py 得到onnx格式文件。
-
下载ArcFace模型文件
Link: https://pan.baidu.com/share/init?surl=CL-l4zWqsI1oDuEEYVhj-g code: e8pw -
导出onnx格式文件
PYTHONPATH=. python ./torch2onnx.py ms1mv3_arcface_r100_fp16/backbone.pth --output ms1mv3_arcface_r100.onnx --network r100 --simplify 1
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 | - |
详细部署文档
版本说明
- 本版本文档和代码基于InsightFace CommitID:babb9a5 编写