mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-10-06 00:57:33 +08:00
2.4 KiB
2.4 KiB
PaddleSeg Matting模型高性能全场景部署方案-FastDeploy
PaddleSeg通过FastDeploy支持在NVIDIA GPU、X86 CPU、飞腾CPU、ARM CPU、Intel GPU(独立显卡/集成显卡)、昆仑芯、华为昇腾硬件上部署Matting模型
模型版本说明
注意：支持PaddleSeg高于2.6版本的Matting模型
目前FastDeploy支持如下模型的部署
准备PaddleSeg部署模型
在部署前，需要先将Matting模型导出成部署模型，导出步骤参考文档导出模型
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
预导出的推理模型
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 | - |