一大批跟计算机视觉 cv 相关的小 app 开发，有意者请跟我联系。

[ppppppp123]

实现：
OCR 系列模型-BCTR
OCR 系列模型-SAR
OCR 系列模型-SAR
OCR 系列模型-SEED
OCR 系列模型-MORAN
超分辨率系列模型-ESPCN
超分辨率系列模型-RCAN
超分辨率系列模型-MSFFRN
超分辨率系列模型-SRGAN
检测模型-FCOS
检测模型-CornerNet
Transformer 检测模型-DINO
Transformer 检测模型-UPT
检测模型-DMPR-PS
检测模型-AGNN
生成模型-DDIM
分割模型-PointNet
分割模型-PointNet++
自监督学习系列模型-MOCOV2
自监督学习系列模型-Simclr
知识蒸馏系列模型-MMRazor

针对第一个模型给一个要求，其它模型要求类似：
OCR 系列模型-BCTR
基于该模型，实现一个应用
https://github.com/FudanVI/benchmarking-chinese-text-recognition
硬件环境：一台 x86 电脑，内存>=16GB ； BM1684X 硬件
软件环境：docker
参考资料： https://tpumlir.org 和 https://github.com/facebookresearch/segment-anything
要求：给出或开源相关代码，高度优化的 bmodel 、以及使用或演示方法
指标：模型性能测试，一般要能发挥到算力的 40%以上，越高越好。比如模型的 FLOPs 是 8T ，芯片算力 32T ；基本上模型时间 8T/32T * 40%秒 = 0.1 秒。分类 /检测模型一般 F16/BF16 精度，与 F32 精度掉点 0.1%以内； INT8 精度，掉点 1.5%以内。如无法达到目标要求，可以及时反馈，共同讨论解决方案。

[ppppppp123]

绿色 ：5oiR55qEd3jvvJpjaGVueG9maGl0

[ykk]

速度和精度掉点是 tpu-mlir 和芯片带来的吧，你的需求难道是优化 tpu-mlir 的量化算法？