BiSeNetV2-面部分割 ncnn推理

最新推荐文章于 2024-07-23 12:51:16 发布

HySmiley

最新推荐文章于 2024-07-23 12:51:16 发布

阅读量861

点赞数

分类专栏：深度学习实践深度学习移动端文章标签：计算机视觉 opencv 人工智能

本文链接：https://blog.youkuaiyun.com/m0_37264397/article/details/125793621

版权

深度学习移动端同时被 2 个专栏收录

10 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

深度学习实践

6 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何将BiSeNetV2模型从ONNX转换为ncnn进行推理的过程，包括两个主要步骤：首先，将ONNX模型转换为ncnn支持的格式；然后，利用ncnn库进行实时面部分割的推理操作。通过这些步骤，实现了高效且准确的计算机视觉任务——面部分割。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、onnx转ncnn

onnx2ncnn.exe BiSeNetV2_sim.onnx BSNs.param NSNs.bin

2、ncnn推理

#include<iostream>
#include<opencv2/opencv.hpp>
#include<net.h>
#include <stdio.h>

int main()
{
	cv::Mat img = cv::imread("../asserts/4.png");
	cv::cvtColor(img,img,cv::COLOR_BGR2RGB);

	ncnn::Net net;
	//先加载参数后加载模型
	net.load_param("../asserts/BSNs.param");
	net.load_model("../asserts/BSNs.bin");
	


	ncnn::Mat input = ncnn::Mat::from_pixels_resize(img.data, ncnn::Mat::PIXEL_RGB, img.cols,img.rows,512,512);

	const float mean_vals[3] = { 0.485f * 255.f, 0.456f * 255.f, 0.406f * 255.f };//123,117,104
	const float norm_vals[3] = { 1 / 0.229f / 255.f, 1 / 0.224f / 255.f, 1 / 0.225f / 255.f };

了解本专栏