本文包含模型的种类、预训练模型下载、推理速度和时间等

图像分类模型

表中模型准确率均为在ImageNet数据集上测试所得，表中符号-表示相关指标暂未测试，预测速度测试环境如下所示:

  • CPU的评估是在骁龙855（SD855）上完成。
  • GPU评估是在FP32+TensorRT配置下运行500次测得（去除前10次的warmup时间）。

移动端系列

Model Top-1 Acc Top-5 Acc SD855 time(ms)
bs=1 		Flops(G) Params(M) Model storage size(M) Download Address
MobileNetV1_
x0_25 		0.5143 0.7546 3.21985 0.07 0.46 1.9 Download link
MobileNetV1_
x0_5 		0.6352 0.8473 9.579599 0.28 1.31 5.2 Download link
MobileNetV1_
x0_75 		0.6881 0.8823 19.436399 0.63 2.55 10 Download link
MobileNetV1 0.7099 0.8968 32.523048 1.11 4.19 16 Download link
MobileNetV2_
x0_25 		0.5321 0.7652 3.79925 0.05 1.5 6.1 Download link
MobileNetV2_
x0_5 		0.6503 0.8572 8.7021 0.17 1.93 7.8 Download link
MobileNetV2_
x0_75 		0.6983 0.8901 15.531351 0.35 2.58 10 Download link
MobileNetV2 0.7215 0.9065 23.317699 0.6 3.44 14 Download link
MobileNetV2_
x1_5 		0.7412 0.9167 45.623848 1.32 6.76 26 Download link
MobileNetV2_
x2_0 		0.7523 0.9258 74.291649 2.32 11.13 43 Download link
MobileNetV3_
large_x1_25 		0.7641 0.9295 28.217701 0.714 7.44 29 Download link
MobileNetV3_
large_x1_0 		0.7532 0.9231 19.30835 0.45 5.47 21 Download link
MobileNetV3_
large_x0_75 		0.7314 0.9108 13.5646 0.296 3.91 16 Download link
MobileNetV3_
large_x0_5 		0.6924 0.8852 7.49315 0.138 2.67 11 Download link
MobileNetV3_
large_x0_35 		0.6432 0.8546 5.13695 0.077 2.1 8.6 Download link
MobileNetV3_
small_x1_25 		0.7067 0.8951 9.2745 0.195 3.62 14 Download link
MobileNetV3_
small_x1_0 		0.6824 0.8806 6.5463 0.123 2.94 12 Download link
MobileNetV3_
small_x0_75 		0.6602 0.8633 5.28435 0.088 2.37 9.6 Download link
MobileNetV3_
small_x0_5 		0.5921 0.8152 3.35165 0.043 1.9 7.8 Download link
MobileNetV3_
small_x0_35 		0.5303 0.7637 2.6352 0.026 1.66 6.9 Download link
MobileNetV3_
small_x0_35_ssld 		0.5555 0.7771 2.6352 0.026 1.66 6.9 Download link
MobileNetV3_
large_x1_0_ssld 		0.7896 0.9448 19.30835 0.45 5.47 21 Download link
MobileNetV3_small_
x1_0_ssld 		0.7129 0.9010 6.5463 0.123 2.94 12 Download link
ShuffleNetV2 0.6880 0.8845 10.941 0.28 2.26 9 Download link
ShuffleNetV2_
x0_25 		0.4990 0.7379 2.329 0.03 0.6 2.7 Download link
ShuffleNetV2_
x0_33 		0.5373 0.7705 2.64335 0.04 0.64 2.8 Download link
ShuffleNetV2_
x0_5 		0.6032 0.8226 4.2613 0.08 1.36 5.6 Download link
ShuffleNetV2_
x1_5 		0.7163 0.9015 19.3522 0.58 3.47 14 Download link
ShuffleNetV2_
x2_0 		0.7315 0.9120 34.770149 1.12 7.32 28 Download link
ShuffleNetV2_
swish 		0.7003 0.8917 16.023151 0.29 2.26 9.1 Download link

其他系列

Model Top-1 Acc Top-5 Acc time(ms)
bs=1 		time(ms)
bs=4 		Flops(G) Params(M) Download Address
ResNet18 0.7098 0.8992 1.45606 3.56305 3.66 11.69 Download link
ResNet18_vd 0.7226 0.9080 1.54557 3.85363 4.14 11.71 Download link
ResNet34 0.7457 0.9214 2.34957 5.89821 7.36 21.8 Download link
ResNet34_vd 0.7598 0.9298 2.43427 6.22257 7.39 21.82 Download link
ResNet50 0.7650 0.9300 3.47712 7.84421 8.19 25.56 Download link
ResNet50_vd 0.7912 0.9444 3.53131 8.09057 8.67 25.58 Download link
ResNet101 0.7756 0.9364 6.07125 13.40573 15.52 44.55 Download link
ResNet101_vd 0.8017 0.9497 6.11704 13.76222 16.1 44.57 Download link
ResNet152 0.7826 0.9396 8.50198 19.17073 23.05 60.19 Download link
ResNet152_vd 0.8059 0.9530 8.54376 19.52157 23.53 60.21 Download link
ResNet200_vd 0.8093 0.9533 10.80619 25.01731 30.53 74.74 Download link
ResNet50_vd_
ssld 		0.8239 0.9610 3.53131 8.09057 8.67 25.58 Download link
ResNet101_vd_
ssld 		0.8373 0.9669 6.11704 13.76222 16.1 44.57 Download link
AlexNet 0.567 0.792 1.44993 2.46696 1.370 61.090 Download link
DarkNet53 0.780 0.941 4.10829 12.1714 18.580 41.600 Download link
DenseNet121 0.7566 0.9258 4.40447 9.32623 5.69 7.98 Download link
DenseNet161 0.7857 0.9414 10.39152 22.15555 15.49 28.68 Download link
DenseNet169 0.7681 0.9331 6.43598 12.98832 6.74 14.15 Download link
DenseNet201 0.7763 0.9366 8.20652 17.45838 8.61 20.01 Download link
DenseNet264 0.7796 0.9385 12.14722 26.27707 11.54 33.37 Download link
HRNet_W18_C 0.7692 0.9339 7.40636 13.29752 4.14 21.29 Download link
HRNet_W30_C 0.7804 0.9402 9.57594 17.35485 16.23 37.71 Download link
HRNet_W32_C 0.7828 0.9424 9.49807 17.72921 17.86 41.23 Download link
HRNet_W40_C 0.7877 0.9447 12.12202 25.68184 25.41 57.55 Download link
HRNet_W44_C 0.7900 0.9451 13.19858 32.25202 29.79 67.06 Download link
HRNet_W48_C 0.7895 0.9442 13.70761 34.43572 34.58 77.47 Download link
HRNet_W64_C 0.7930 0.9461 17.57527 47.9533 57.83 128.06 Download link
Xception41 0.7930 0.9453 4.96939 17.01361 16.74 22.69 Download link
Xception65 0.8100 0.9549 7.26158 25.88778 25.95 35.48 Download link
Xception71 0.8111 0.9545 8.72457 31.55549 31.77 37.28 Download link

目标检测模型

  • 所有模型均在COCO17数据集中训练和测试。
  • 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
  • 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。

Faster RCNN on COCO

骨架网络 网络类型 推理时间(fps) Box AP 下载
ResNet50 Faster ---- 36.7 下载链接
ResNet50-vd Faster ---- 37.6 下载链接
ResNet101 Faster ---- 39.0 下载链接
ResNet34-FPN Faster ---- 37.8 下载链接
ResNet34-vd-FPN Faster ---- 38.5 下载链接
ResNet50-FPN Faster ---- 38.4 下载链接
ResNet50-vd-FPN Faster ---- 39.5 下载链接
ResNet101-vd-FPN Faster ---- 42.0 下载链接
ResNeXt101-vd-FPN Faster ---- 43.4 下载链接
ResNet50-vd-SSLDv2-FPN Faster ---- 41.4 下载链接

YOLOv3 on COCO

骨架网络 输入尺寸 推理时间(fps) Box AP 下载
DarkNet53 608 ---- 39.0 下载链接
ResNet50_vd 608 ---- 39.1 下载链接
ResNet34 608 ---- 36.2 下载链接
MobileNet-V1 608 ---- 29.4 下载链接
MobileNet-V3 608 ---- 31.4 下载链接
MobileNet-V1-SSLD 608 ---- 31.0 下载链接

YOLOv3 on Pasacl VOC

骨架网络 输入尺寸 推理时间(fps) Box AP 下载
MobileNet-V1 608 - 75.2 下载链接
MobileNet-V3 608 - 79.6 下载链接
MobileNet-V1-SSLD 608 - 78.3 下载链接
MobileNet-V3-SSLD 608 - 80.4 下载链接

PP-YOLO on COCO

模型 骨干网络 输入尺寸 Box APval Box APtest V100 FP32(FPS) V100 TensorRT FP16(FPS) 模型下载
PP-YOLO ResNet50vd 608 44.8 45.2 72.9 155.6 model
PP-YOLOv2 ResNet50vd 640 49.1 49.5 68.9 106.5 model
PP-YOLOv2 ResNet101vd 640 49.7 50.3 49.5 87.0 model

注意:

  • PP-YOLO模型推理速度测试采用单卡V100，batch size=1进行测试，使用CUDA 10.2, CUDNN 7.5.1，TensorRT推理速度测试使用TensorRT 5.1.2.2。
  • PP-YOLO模型FP32的推理速度是使用Paddle预测库进行推理速度benchmark测试结果, 且测试的均为不包含数据预处理和模型输出后处理(NMS)的数据(与YOLOv4(AlexyAB)测试方法一致)。
  • TensorRT FP16的速度测试相比于FP32去除了yolo_box(bbox解码)部分耗时，即不包含数据预处理，bbox解码和NMS(与YOLOv4(AlexyAB)测试方法一致)。

PP-YOLO on Pascal VOC

模型 骨干网络 输入尺寸 Box AP50val 模型下载
PP-YOLO ResNet50vd 608 84.9 model

PP-YOLO tiny on COCO

模型 模型体积 后量化模型体积 输入尺寸 Box APval Kirin 990 1xCore (FPS) 模型下载 量化后模型
PP-YOLO tiny 4.2MB 1.3M 416 22.7 65.4 model 预测模型
  • PP-YOLO-tiny 模型推理速度测试环境配置为麒麟990芯片4线程，arm8架构。
  • 我们也提供的PP-YOLO-tiny的后量化压缩模型，将模型体积压缩到1.3M，对精度和预测速度基本无影响

实例分割模型

  • 所有模型均在COCO17数据集中训练和测试。
  • 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
  • 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。
骨架网络 网络类型 推理时间(fps) Box AP Mask AP 下载
ResNet50 Mask ---- 37.4 32.8 下载链接
ResNet50 Mask ---- 39.7 34.5 下载链接
ResNet50-FPN Mask ---- 39.2 35.6 下载链接
ResNet50-FPN Mask ---- 40.5 36.7 下载链接
ResNet50-vd-FPN Mask ---- 40.3 36.4 下载链接
ResNet50-vd-FPN Mask ---- 41.4 37.5 下载链接
ResNet101-FPN Mask ---- 40.6 36.6 下载链接
ResNet101-vd-FPN Mask ---- 42.4 38.1 下载链接
ResNeXt101-vd-FPN Mask ---- 44.0 39.5 下载链接
ResNeXt101-vd-FPN Mask ---- 44.6 39.8 下载链接
ResNet50-vd-SSLDv2-FPN Mask ---- 42.0 38.2 下载链接
ResNet50-vd-SSLDv2-FPN Mask ---- 42.7 38.9 下载链接

语义分割模型

以下指标均在Pascal VOC验证集上测试得到，表中符号-表示相关指标暂未测试。

Model Backbone Resolution mIoU Links
DeepLabV3P ResNet50_vd 512x512 80.66% model
DeepLabV3P ResNet101_vd 512x512 80.60% model

以下指标均在Cityscapes验证集上测试得到，表中符号-表示相关指标暂未测试。

Model Backbone Resolution mIoU Links
UNet - 1024x512 65.00% model
DeepLabV3P ResNet50_vd 1024x512 80.36% model
DeepLabV3P ResNet101_vd 1024x512 81.10% model
Fast SCNN - 1024x1024 69.31% model
HRNet_W18 - 1024x512 78.97% model
HRNet_W48 - 1024x512 80.70% model
BiSeNetv2 - 1024x1024 73.19% model

PaddleX 模型库官方介绍相关推荐

  1. ElementUI官方介绍 开发API文档链接

    ElementUI官方介绍 开发API文档 http://element-cn.eleme.io/#/zh-CN/component/quickstart

  2. ESP8266乐鑫版本的（支持云端升级 （Boot 模式）烧写方法，(V1.5.4官方介绍如下)（BOOT模式）...

    硬件平台: nodeMCU devkit核心板,带ch340g,应该是仿造的,官方是cp2102驱动,安信可科技有连接https://wiki.ai-thinker.com/esp8266/board ...

  3. 腾讯arttemplate模板官方介绍

    链接地址为:腾讯arttemplate模板官方介绍 输出 标准语法 {{value}} {{data.key}} {{data['key']}} {{a ? b : c}} {{a || b}} {{ ...

  4. 三维gazebo模型库3dgems介绍

    机器人仿真软件gazebo作为一款开源仿真软件,具有广泛的受众.gazebo的能力很均衡,但是在三维可视化模型的精细程度上,肯定不如Unreal.Unity这种专业的游戏引擎.网络上也鲜有比较丰富的g ...

  5. Spring Session官方介绍及spring框架学习方法

    现在我们开始讲Spring Session,首先进入maven中央仓库,在百度查一下,如何替换成阿里云的仓库就OK了,我们搜索什么呢,spring-session-data-redis,这里面找到这个 ...

  6. GitHub官方介绍（中文翻译）

    注:本人亲自翻译,转载请注明出处. 官方链接地址 http://guides.github.com/activities/hello-world/ Hello World 项目在计算机编程界是一项历史 ...

  7. Redisson框架官方介绍

    我们现在看到的就是redission官方网站https://redisson.org首页可以看出来,redisson可以实现很多东西,在redisson的基础上,redisson做了超多的封装,我们看 ...

  8. zcash官方介绍 zk-SNARK circuit-QAP转化

    除了V神的博客值得推荐外,zcash官方的blog也做了形象的解释.也可参看本人另一篇博文<Vitalik Buterin Quardratic Arithmetic Programs: fro ...

  9. Grbl开源固件的官方介绍使用说明【翻译】

    Grbl是一种高性能.低成本的数控并口运动控制方案.Grbl运行在328p处理器(Uno.Duemilanove.Nano.Micro等)的Arduino上.控制器是用高度优化的C语言编写的,利用av ...

最新文章

  1. 新的sublime text已经上传网盘，地址写在下面
  2. ASP.NET2.0雷霆之怒盗链者的祝福【月儿原创】
  3. 【转】 LSD（Line Segment Detector） 直线段检测算法学习~
  4. 手撕 CNN 经典网络之 AlexNet（理论篇）
  5. python qt designer 重定向_Python+PyQt5+QtDesigner+PyUic+PyRcc环境安装与配置
  6. Node.js模块之Buffer
  7. python整数类型在每一台计算机上的取值范围是一样的_关于python统计一个整数列表中不同数值种类数的问题。...
  8. 信奥中的数学：信息论基础
  9. Head First设计模式读书笔记三 装饰模式（个人理解：包装模式）
  10. Linux jsp php集成环境,ImageMagick在程序中调用(linux环境,jsp,php)
  11. python xml etree_使用Python etree更新XML元素和属性值
  12. UIFont 字体族
  13. 人工智能属于计算机科学研究方向,《人工智能》课程简介
  14. 练习绕口令快速提高语言表达能力（收藏）
  15. 免费升级win10系统方法
  16. PHP案例 许愿墙 PHP许愿墙
  17. WIN2000故障修复之故障恢复控制台篇
  18. 请问在深圳做美工的工资多少
  19. 如何改typecho主题头像_零成本搭建hexo个人博客(二)--修改主题
  20. 使用HttpClient登录知乎获取返回页面信息

热门文章

  1. 来自Window Presentation Foundation Program Design的读书笔记 (第四篇 上)
  2. linux怎么打印64位数据,printf如何输出64位整数
  3. sojson.v6、jsjiemi.v6详解
  4. 2022-2028年中国健身休闲产业深度调研及投资前景预测报告
  5. 龙芯平台python答案_在龙芯平台上自己编写原创应用——“动态壁纸”
  6. 智能驾驶板块_智能驾驶板块龙头股大盘点
  7. fatal: unable to access ‘https://github.com/xxxx.git/‘: Failed to connect to github.com port 443: T
  8. Java堆外缓存OHC在马蜂窝推荐引擎的应用
  9. 搜狗高速浏览器2.2
  10. [GKCTF2020]web