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：

• PP-Matting系列模型
• PP-HumanMatting系列模型
• ModNet系列模型

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

4. 详细的部署示例

• Python部署
• C++部署