mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-05 08:37:06 +08:00
5b143219ce
* [Docs] Pick seg fastdeploy docs from PaddleSeg * [Docs] update seg docs * [Docs] Add c&csharp examples for seg * [Docs] Add c&csharp examples for seg * [Doc] Update paddleseg README.md * Update README.md
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.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