PidNet 是2023年提出的一种高效实时语义分割模型，创新性引入比例-积分-微分（PID）控制理论优化特征融合机制。其核心架构由三个并行分支构成：比例分支（捕捉局部细节）、积分分支（聚合全局上下文）和微分分支（提取边缘变化特征），通过动态PID控制器自适应加权融合多尺度信息，实现高精度与低延迟的平衡。模型采用轻量化设计，在Cityscapes等数据集上以100+ FPS的实时速度达到80%以上mIoU，显著优于同类模型（如BiSeNet）。PidNet尤其擅长处理复杂场景中的小目标及边缘细节，适用于自动驾驶、机器人导航和工业质检等对实时性要求严苛的领域，兼顾计算效率与分割精度。

源模型

• 输入尺寸: 1x3x1024x2048
• 参数量: 7.62M
• 模型大小: 29.14M
• 输出尺寸：1x19x128x256

源模型工程请访问：PidNet

Model Farm 提供预编译好的模型资源以及推理代码，支持以下两种方式获取：

• 通过 Model Farm 页面获取：在右侧性能参考板块中点击模型 & 代码获取模型资源及代码包。

• 通过命令获取（推荐）：持有阿加犀开发板的用户，可以通过开发板内置的 MMS 工具获取模型资源及代码包。

# 模型查询
mms list [model name]

# 模型资源获取
mms get -m [model name] -p [precision] -c [soc] -b [backend] -d [file path]

MMS 具体使用请参考：MMS 使用 & 提前获取预览版块模型

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md