Skip to content

Latest commit

 

History

History
 
 

ascend

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
cpp
cpp
 
 
python
python
 
 
README.md
README.md
 
 

README.md

English | 简体中文

PaddleSeg利用FastDeploy在华为昇腾上部署模型

PaddleSeg支持通过FastDeploy在华为昇腾上部署Segmentation相关模型

支持的PaddleSeg模型

注意：支持PaddleSeg高于2.6版本的Segmentation模型

目前FastDeploy支持如下模型的部署

注意 若需要在华为昇腾上部署PP-Matting、PP-HumanMatting请从Matting模型部署下载对应模型，部署过程与此文档一致

准备PaddleSeg部署模型

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

预导出的推理模型

为了方便开发者的测试，下面提供了PaddleSeg导出的部分推理模型模型

  • without-argmax导出方式为：不指定--input_shape，指定--output_op none
  • with-argmax导出方式为：不指定--input_shape，指定--output_op argmax

开发者可直接下载使用。

模型 参数文件大小 输入Shape mIoU mIoU (flip) mIoU (ms+flip)
PP-LiteSeg-B(STDC2)-cityscapes-with-argmax | PP-LiteSeg-B(STDC2)-cityscapes-without-argmax 31MB 1024x512 79.04% 79.52% 79.85%
PP-HumanSegV1-Lite-with-argmax(通用人像分割模型) | PP-HumanSegV1-Lite-without-argmax(通用人像分割模型) 543KB 192x192 86.2% - -
PP-HumanSegV2-Lite-with-argmax(通用人像分割模型) | PP-HumanSegV2-Lite-without-argmax(通用人像分割模型) 12MB 192x192 92.52% - -
PP-HumanSegV2-Mobile-with-argmax(通用人像分割模型) | PP-HumanSegV2-Mobile-without-argmax(通用人像分割模型) 29MB 192x192 93.13% - -
PP-HumanSegV1-Server-with-argmax(通用人像分割模型) | PP-HumanSegV1-Server-without-argmax(通用人像分割模型) 103MB 512x512 96.47% - -
Portait-PP-HumanSegV2-Lite-with-argmax(肖像分割模型) | Portait-PP-HumanSegV2-Lite-without-argmax(肖像分割模型) 3.6M 256x144 96.63% - -
FCN-HRNet-W18-cityscapes-with-argmax | FCN-HRNet-W18-cityscapes-without-argmax(暂时不支持ONNXRuntime的GPU推理) 37MB 1024x512 78.97% 79.49% 79.74%
Deeplabv3-ResNet101-OS8-cityscapes-with-argmax | Deeplabv3-ResNet101-OS8-cityscapes-without-argmax 150MB 1024x512 79.90% 80.22% 80.47%
SegFormer_B0-cityscapes-with-argmax | SegFormer_B0-cityscapes-without-argmax 15MB 1024x1024 76.73% 77.16% -

详细部署文档