代码拉取完成，页面将自动刷新
同步操作将从 PaddlePaddle/FastDeploy 强制同步，此操作会覆盖自 Fork 仓库以来所做的任何修改，且无法恢复！！！
确定后同步将在后台操作，完成时将刷新页面，请耐心等待。
English | 简体中文
下载预训练ONNX模型已事先转换成ONNX；如果从RetinaFace官方repo下载的模型，需要按如下教程导出ONNX。
git clone https://github.com/biubug6/Pytorch_Retinaface.git
./weights/
mobilenet0.25_Final.pth
mobilenetV1X0.25_pretrain.tar
Resnet50_Final.pth
PYTHONPATH=. python convert_to_onnx.py --trained_model ./weights/mobilenet0.25_Final.pth --network mobile0.25 --long_side 640 --cpu
PYTHONPATH=. python convert_to_onnx.py --trained_model ./weights/Resnet50_Final.pth --network resnet50 --long_side 640 --cpu
注意：需要先对convert_to_onnx.py脚本中的--long_side参数增加类型约束，type=int.
onnxsim FaceDetector.onnx Pytorch_RetinaFace_mobile0.25-640-640.onnx # mobilenet
onnxsim FaceDetector.onnx Pytorch_RetinaFace_resnet50-640-640.onnx # resnet50
为了方便开发者的测试，下面提供了RetinaFace导出的各系列模型，开发者可直接下载使用。（下表中模型的精度来源于源官方库）
| 模型 | 大小 | 精度 |
|---|---|---|
| RetinaFace_mobile0.25-640 | 1.7MB | - |
| RetinaFace_mobile0.25-720 | 1.7MB | - |
| RetinaFace_resnet50-640 | 105MB | - |
| RetinaFace_resnet50-720 | 105MB | - |
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手