RMBG-1.4背景去除模型适配昇腾NPU版本。
| 指标 | 数值 |
|---|---|
| 推理时间 | ~0.22s (batch_size=1) |
| NPU显存占用 | ~0.9MB (峰值) |
torch>=2.0.0
torch_npu>=2.0.0
transformers>=4.30.0
safetensors>=0.4.0
numpy>=1.21.0
pillow>=9.0.0
scikit-image>=0.19.0cd /workspace/agent/RMBG-1.4-ascend
pip install -r requirements.txt -i https://repo.huaweicloud.com/repository/pypi/simplecd /workspace/agent/RMBG-1.4-ascend
python inference.py --device npu:0 --show_npu_memory--model_path: 模型路径,默认 /workspace/agent/RMBG-1.4--device: 运行设备,默认 npu:0--show_npu_memory: 显示NPU显存使用情况import torch
from transformers import AutoModelForImageSegmentation
device = "npu:0"
model = AutoModelForImageSegmentation.from_pretrained(
"/workspace/agent/RMBG-1.4",
trust_remote_code=True,
local_files_only=True
)
model = model.to(device)
model.eval()
images = torch.randn(1, 3, 1024, 1024).to(device)
with torch.no_grad():
output = model(images)
# output[0] 是分割结果列表
# output[1] 是特征图列表
mask = output[0][-1].sigmoid() # 取最后一个scale的输出[设备] npu:0
NPU设备数量: 1
设备 0: Ascend910B2
[模型] RMBG-1.4 (BriaRMBG)
[参数量] 44.08M
[任务] 背景去除
[模型加载]
[模型已迁移至] npu:0
构建测试输入: 随机图像 (1024x1024x3)
图像形状: torch.Size([1, 3, 1024, 1024])
运行推理...
==========================================================================
输出摘要
==========================================================================
模型: RMBG-1.4 (BriaRMBG)
任务: 背景去除
输入形状: torch.Size([1, 3, 1024, 1024])
输出类型: list/tuple, 长度: 2
输出内容: [[6个分割图], [6个特征图]]
总耗时: 0.22s
输出 finite: True
前景概率范围: [0.5000, 0.7311]
平均前景概率: 0.7193模型输出2个列表:
output[0]: 6个多尺度分割图 (1/1, 1/2, 1/4, 1/8, 1/16, 1/32分辨率)output[1]: 6个多尺度特征图每个分割图形状为 (batch_size, 1, H, W),值域为 [0, 1],表示前景概率。
from PIL import Image
import torchvision.transforms as transforms
import numpy as np
# 加载图像
image = Image.open("input.jpg")
transform = transforms.Compose([
transforms.Resize((1024, 1024)),
transforms.ToTensor(),
])
input_tensor = transform(image).unsqueeze(0).to("npu:0")
# 推理
with torch.no_grad():
output = model(input_tensor)
# 后处理 - 取最后一个分割结果
mask = output[0][-1].sigmoid().cpu().numpy().squeeze()
mask = (mask * 255).astype(np.uint8)
# 保存mask
pil_mask = Image.fromarray(mask)
pil_mask.save("mask.png")
# 应用到原图
image.putalpha(pil_mask)
image.save("output.png")transformers库加载,需设置trust_remote_code=True