← 返回模型目录

姿态

Facial-Landmark-Detection

Facial-Landmark-Detection，使用 Model Farm 官方预处理与样例，逐板卡验证。

部署到自己的板卡

犀牛派 A1: 1.8msW8A8
犀牛派 X1: 0.6msW8A16

运行效果

样例输入

机房真机犀牛派 X1 · W8A16 · 处理耗时 12.5 ms

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。

板卡	精度	速度	FPS	峰值内存
犀牛派 A1QCS6490	W8A8默认	1.8 ms	571.4	78 MB
犀牛派 A1QCS6490	W8A16	1.8 ms	558.7	78 MB
犀牛派 X1QCS8550	W8A16默认	0.6 ms	1,724.1	143 MB
	FP16	0.7 ms	1,492.5	148 MB
	W8A8	0.5 ms	1,923.1	143 MB

部署指南

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。
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
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。
```
python3 install-sdk.py
```
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。
```
hf download APLUX-Agora/Facial-Landmark-Detection --include "targets/QCS8550/*" --local-dir ./resources
```
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。
```
python3 app/pipeline.py --sdk-root .sdk --input 你的文件
```

AidLux 开发文档 ↗

规格

任务: 姿态
输入尺寸: 128×128
来源: Model Farm
已知限制: 输入必须是单张裁剪好的人脸；本模型不含人脸检测器，不提供关键点置信度。完整导出含全部 265 个参数与模型单位下的三维顶点。
许可证: —
版本: 1.0.0

浏览用到它的原型 →