SAM2-tiny

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QCS8550 上运行，确认结果和速度。

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QCS8550（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/SAM2-tiny --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

来源

Model Farm

已知限制

当前提供单张图像的点提示分割，不提供视频记忆跟踪。本构建固定 2 个提示点，每行填写横向比例,纵向比例,标签，坐标为 0 至 1，标签 1 表示前景、0 表示背景。返回一个掩码。质量分数不是类别置信度；完整导出保留全部候选 logits、质量分数、提示点及选中掩码。当前仅有 X1 构建。 图像编码在 X1 NPU，点提示与掩码解码在已有 ONNX Runtime CPU 上运行，解码器权重为 FP32；不是全流程 NPU。提示可能选中车身等局部区域。原始 QNN 解码图结果异常，未用于本构建。

许可证

—

版本

1.0.0