CLIPSeg

运行效果

板卡实测

真机处理时延的中位数。多阶段模型计入各阶段处理，生成模型的耗时受输入和输出长度影响。

部署指南

1. 1

   在工作流中跑通

   用样例或自己的输入在机房的犀牛派 X1 上运行，确认结果和速度。现在试用 ›

2. 2

   导出工程

   在工作流右上角选择「导出」，下载工程包。模型与样例按 sha256 锁定，前后处理与网站运行时一致。

3. 3

   在板卡上安装运行库

   把工程拷到犀牛派 X1（ARM64、Python 3.10 的 AidLux 环境，AidLux ≥ 2.0），在工程目录下载并校验已验证的配套运行库。

   复制

   python3 install-sdk.py

4. 4

   只需要模型文件？

   各板卡的构建也发布在 Hugging Face ↗，按芯片下载，文件与工程包中的完全一致。

   复制

   hf download APLUX-Agora/CLIPSeg --include "targets/QCS8550/*" --local-dir ./resources

5. 5

   运行

   结果写入 outputs/，并打印每块积木的耗时。工程通过官方 AidLite 接口加载模型，代码完整随包提供。

   复制

   python3 app/pipeline.py --sdk-root .sdk --input 你的文件

规格

任务

分割

输入尺寸

352×352

来源

Model Farm

已知限制

每次输入一条 ASCII 英文目标描述，最多 200 字符、77 token（含起止标记），超限拒绝且不静默截断。图像编码和掩码解码使用 NPU，文本编码使用官方量化 ONNX 在 CPU 运行。已验证猫、遥控器、狗、公交车以及不存在目标的查询；复杂描述、遮挡或小物体可能分割不完整，逐像素分数不代表校准准确率。

许可证

—

版本

1.0.0