PP-HumanSegV2-Lite是一种由PaddlePaddle（飞桨）团队开发的轻量级人像分割模型，旨在高效地执行人像抠图和背景分割任务。该模型在PP-HumanSegV2的基础上进行了优化，特别针对移动端和边缘设备进行了轻量化设计，能够在保持分割精度的同时减少模型的参数量和计算量。PP-HumanSegV2-Lite使用了基于深度可分离卷积和改进的特征融合技术，有效提高了分割效率。由于其出色的实时性能，该模型广泛应用于短视频编辑、虚拟背景替换、智能相机等场景，提供了精确且高效的分割体验。

源模型

• 输入尺寸: 192x192
• 参数量: 1.2M
• 模型大小: 11.64M
• 输出尺寸：1x192x192

源模型仓库：PP-HumanSegV2-Lite

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_name}_{SoC Name}_{Precision}
    
    |__ models # folder where model files are stored    
    
    |__ code # aidlite python model inference example

        |__ python # aidlite python model inference example

        |__ cpp # aidlite cpp model inference example

        |__ README.md