R0rschach7 commited on
Commit
2f4bb69
·
verified ·
1 Parent(s): ef441cb

Upload README.md

Browse files
Files changed (1) hide show
  1. README.md +22 -61
README.md CHANGED
@@ -10,80 +10,41 @@ tags:
10
 
11
  # ProjectOrange Models
12
 
13
- ProjectOrange 使用的 ONNX 与 Ascend OM 模型文件
14
 
15
- Models used by ProjectOrange for ONNX and Ascend NPU inference.
16
-
17
- > 本项目由人工智能与数字经济广东省实验室(深圳)开放课题资助(编号:GML-KF-24-34)。
18
- >
19
- > This research was financially supported by the Open Research Fund from Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ), under Grant No. GML-KF-24-34.
20
-
21
- ## 下载全部模型
22
-
23
- 安装 Hugging Face CLI:
24
-
25
- ```bash
26
- pip install -U huggingface_hub
27
- ```
28
-
29
- 下载仓库:
30
-
31
- ```bash
32
- hf download R0rschach7/ProjectOrange-Models \
33
- --local-dir ./ProjectOrange-Models
34
- ```
35
-
36
- ## 文件说明
37
 
38
  ### 目标检测
39
 
40
- | Hugging Face 路径 | ProjectOrange 目标路径 | 用途 |
41
- |---|---|---|
42
- | `detection/yolox_tiny.onnx` | `algorithms/yolox_tiny.onnx` | YOLOX-Tiny 行人检测 |
43
 
44
  ### 图像增强
45
 
46
- | Hugging Face 路径 | ProjectOrange 目标路径 | 用途 |
47
- |---|---|---|
48
- | `enhancement/zero_dcepp.om` | `algorithms/zero_dcepp.om` | 低光增强 |
49
- | `enhancement/brdnet_fixed_500.om` | `algorithms/brdnet_fixed_500.om` | 图像去噪 |
50
- | `enhancement/dehaze_100.om` | `algorithms/dehaze_100.om` | 图像去雾 |
51
-
52
- ### 人脸识别 - Ascend OM
53
-
54
- | Hugging Face 路径 | ProjectOrange 目标路径 |
55
- |---|---|
56
- | `face/om/PNet_dynamic_linux_aarch64.om` | `algorithms/face/PNet_dynamic_linux_aarch64.om` |
57
- | `face/om/RNet_dynamic_linux_aarch64.om` | `algorithms/face/RNet_dynamic_linux_aarch64.om` |
58
- | `face/om/ONet_dynamic_linux_aarch64.om` | `algorithms/face/ONet_dynamic_linux_aarch64.om` |
59
- | `face/om/Inception_facenet_vggface2_bs1.om` | `algorithms/face/Inception_facenet_vggface2_bs1.om` |
60
-
61
- ### 人脸识别 - ONNX
62
-
63
- | Hugging Face 路径 | 说明 |
64
- |---|---|
65
- | `face/onnx/PNet_truncated_fix.onnx` | PNet ONNX |
66
- | `face/onnx/RNet_truncated_fix.onnx` | RNet ONNX |
67
- | `face/onnx/ONet_truncated_fix.onnx` | ONet ONNX |
68
- | `face/onnx/Inception_facenet_vggface2_fix.onnx` | FaceNet ONNX |
69
 
70
- ## 放置模型
71
 
72
- 下载完成后,将需要的文件复制到上表所列的 ProjectOrange 目标路径,或在 ProjectOrange 的“系统设置 - 算法设置”中择对应模型文件
 
 
 
73
 
74
- Ascend OM 模型需要在兼容的 Linux AArch64、CANN 和 Ascend ACL 环境中运行。不同 SoC 或 CANN 版本可能需要重新转换模型。
75
 
76
- ## 完整性校验
 
 
 
77
 
78
- 仓库根目录的 `SHA256SUMS` 记录了所有模型文件的 SHA-256。Linux 下可执行:
79
 
80
- ```bash
81
- sha256sum -c SHA256SUMS
82
- ```
83
 
84
- PowerShell 可使用:
85
 
86
- ```powershell
87
- Get-FileHash -Algorithm SHA256 .\detection\yolox_tiny.onnx
88
- ```
89
 
 
 
10
 
11
  # ProjectOrange Models
12
 
13
+ 本仓库用于存放 ProjectOrange 项目使用的 ONNX 与 Ascend OM 模型。
14
 
15
+ ## 使用的模型
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
16
 
17
  ### 目标检测
18
 
19
+ - `detection/yolox_tiny.onnx`:YOLOX-Tiny 目标检测模型。
 
 
20
 
21
  ### 图像增强
22
 
23
+ - `enhancement/zero_dcepp.om`:Zero-DCE++ 低光照图像增强模型。
24
+ - `enhancement/brdnet_fixed_500.om`:BRDNet 图像去噪模型。
25
+ - `enhancement/dehaze_100.om`:图像去雾模型。
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
26
 
27
+ ### 人脸检测与识别(Ascend OM)
28
 
29
+ - `face/om/PNet_dynamic_linux_aarch64.om`:MTCNN PNet 人脸候区域检测模型。
30
+ - `face/om/RNet_dynamic_linux_aarch64.om`:MTCNN RNet 人脸候选区域筛选模型。
31
+ - `face/om/ONet_dynamic_linux_aarch64.om`:MTCNN ONet 人脸检测与关键点定位模型。
32
+ - `face/om/Inception_facenet_vggface2_bs1.om`:基于 VGGFace2 的 Inception ResNet 人脸特征提取模型。
33
 
34
+ ### 人脸检测与识别(ONNX)
35
 
36
+ - `face/onnx/PNet_truncated_fix.onnx`:MTCNN PNet ONNX 模型。
37
+ - `face/onnx/RNet_truncated_fix.onnx`:MTCNN RNet ONNX 模型。
38
+ - `face/onnx/ONet_truncated_fix.onnx`:MTCNN ONet ONNX 模型。
39
+ - `face/onnx/Inception_facenet_vggface2_fix.onnx`:基于 VGGFace2 的 Inception ResNet 人脸特征提取 ONNX 模型。
40
 
41
+ ## 参与贡献
42
 
43
+ 1. **西安邮电大学杜剑波 王富平 陈俊希 田立伟 张帅斌**
44
+ 2. **人工智能与数字经济广东省实验室(深圳)**
 
45
 
46
+ ## 项目支撑
47
 
48
+ 本项目由人工智能与数字经济广东省实验室(深圳)开放课题资助(编号:GML-KF-24-34)。
 
 
49
 
50
+ This research was financially supported by the Open Research Fund from Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ), under Grant No. GML-KF-24-34.