Jacktang 发表于 2025-1-3 07:31 最新的insightface库仅支持onnx模型,其他的可以转换过来，用 Insightface 库调用它们，就是转换麻烦不？

不麻烦，就几行代码，TensorFlow 或 PyTorch转换起来挺简单的。 PyTorch用torch.onnx.export()，TensorFlow也有tf2onnx工具进行转换。

个人信息已确认，领取板卡，可继续完成任务。

申请理由： InsightFace 主要依赖于 ArcFace 技术，这是一种基于角度度量的人脸识别方法。ArcFace 通过学习特征的角度信息，能够提供更高的识别准确率，尤其是在处理低质量图像或复杂背景时，表现非常出色。 使用 RV1106 的 SDK 和工具链（如 Rockchip 的 RKNN Toolkit）来优化和部署模型。使用 TensorFlow Lite 或 PyTorch，安装 OpenCV 和 dlib 等库用于图像处理和人脸检测。InsightFace 提供了多个预训练模型。选择一个适合实时处理的轻量级模型，如 ResNet 或 MobileFaceNet。 优化模型。使用 TensorFlow Lite 或 ONNX 格式来将模型转换为适合移动端或嵌入式设备的轻量级格式。使用 Quantization（量化）等方法来减少模型大小和计算量，尤其是对于硬件加速的 NPU 可以提高推理速度。使用 RKNN Toolkit 将模型转换为 RV1106 可识别的格式，并利用 NPU 提供的加速。 计划部署的应用： 智能零售与客户分析：在零售店、商场等环境中进行顾客分析，识别回头客、分析顾客行为、统计顾客停留时长等

个人信息无误，确认可以完成评测计划