|
|
@@ -4,35 +4,38 @@
|
|
|
表中相关模型也可下载好作为相应模型的预训练模型，通过`pretrain_weights`指定目录加载使用。
|
|
|
|
|
|
## 图像分类模型
|
|
|
-> 表中模型相关指标均为在ImageNet数据集上使用PaddlePaddle Python预测接口测试得到（测试GPU型号为Nvidia Tesla P4），预测速度为每张图片预测用时（不包括预处理和后处理）,表中符号`-`表示相关指标暂未测试。
|
|
|
+> 表中模型相关指标均为在ImageNet数据集上使用PaddlePaddle Python预测接口测试得到（测试GPU型号为Nvidia Tesla P40），预测速度为每张图片预测用时（不包括预处理和后处理）,表中符号`-`表示相关指标暂未测试。
|
|
|
|
|
|
|
|
|
-| 模型 | 模型大小 | 预测速度（毫秒） | Top1准确率 | Top5准确率 |
|
|
|
+| 模型 | 模型大小 | 预测速度（毫秒） | Top1准确率（%） | Top5准确率（%） |
|
|
|
| :----| :------- | :----------- | :--------- | :--------- |
|
|
|
-| ResNet18| 46.9MB | 3.456 | 70.98% | 89.92% |
|
|
|
-| ResNet34| 87.5MB | 5.668 | 74.57% | 92.14% |
|
|
|
-| ResNet50| 102.7MB | 8.787 | 76.50% | 93.00% |
|
|
|
-| ResNet101 |179.1MB | 15.447 | 77.56% | 93.64% |
|
|
|
-| ResNet50_vd |102.8MB | 9.058 | 79.12% | 94.44% |
|
|
|
-| ResNet101_vd| 179.2MB | 15.685 | 80.17% | 94.97% |
|
|
|
-| DarkNet53|166.9MB | 11.969 | 78.04% | 94.05% |
|
|
|
-| MobileNetV1 | 16.4MB | 2.609 | 70.99% | 89.68% |
|
|
|
-| MobileNetV2 | 14.4MB | 4.546 | 72.15% | 90.65% |
|
|
|
-| MobileNetV3_large| 22.8MB | - | 75.3% | 75.3% |
|
|
|
-| MobileNetV3_small | 12.5MB | 6.809 | 67.46% | 87.12% |
|
|
|
-| Xception41 |92.4MB | 13.757 | 79.30% | 94.53% |
|
|
|
-| Xception65 | 144.6MB | 19.216 | 81.00% | 95.49% |
|
|
|
-| Xception71| 151.9MB | 23.291 | 81.11% | 95.45% |
|
|
|
-| DenseNet121 | 32.8MB | 12.437 | 75.66% | 92.58% |
|
|
|
-| DenseNet161|116.3MB | 27.717 | 78.57% | 94.14% |
|
|
|
-| DenseNet201| 84.6MB | 26.583 | 77.63% | 93.66% |
|
|
|
-| ShuffleNetV2 | 10.2MB | 6.101 | 68.8% | 88.5% |
|
|
|
+| ResNet18| 46.9MB | 1.499 | 71.0 | 89.9 |
|
|
|
+| ResNet34| 87.5MB | 2.272 | 74.6 | 92.1 |
|
|
|
+| ResNet50| 102.7MB | 2.939 | 76.5 | 93.0 |
|
|
|
+| ResNet101 |179.1MB | 5.314 | 77.6 | 93.6 |
|
|
|
+| ResNet50_vd |102.8MB | 3.165 | 79.1 | 94.4 |
|
|
|
+| ResNet101_vd| 179.2MB | 5.252 | 80.2 | 95.0 |
|
|
|
+| ResNet50_vd_ssld |102.8MB | 3.165 | 82.4 | 96.1 |
|
|
|
+| ResNet101_vd_ssld| 179.2MB | 5.252 | 83.7 | 96.7 |
|
|
|
+| DarkNet53|166.9MB | 3.139 | 78.0 | 94.1 |
|
|
|
+| MobileNetV1 | 16.0MB | 32.523 | 71.0 | 89.7 |
|
|
|
+| MobileNetV2 | 14.0MB | 23.318 | 72.2 | 90.7 |
|
|
|
+| MobileNetV3_large| 21.0MB | 19.308 | 75.3 | 93.2 |
|
|
|
+| MobileNetV3_small | 12.0MB | 6.546 | 68.2 | 88.1 |
|
|
|
+| MobileNetV3_large_ssld| 21.0MB | 19.308 | 79.0 | 94.5 |
|
|
|
+| MobileNetV3_small_ssld | 12.0MB | 6.546 | 71.3 | 90.1 |
|
|
|
+| Xception41 |92.4MB | 4.408 | 79.6 | 94.4 |
|
|
|
+| Xception65 | 144.6MB | 6.464 | 80.3 | 94.5 |
|
|
|
+| DenseNet121 | 32.8MB | 4.371 | 75.7 | 92.6 |
|
|
|
+| DenseNet161|116.3MB | 8.863 | 78.6 | 94.1 |
|
|
|
+| DenseNet201| 84.6MB | 8.173 | 77.6 | 93.7 |
|
|
|
+| ShuffleNetV2 | 9.0MB | 10.941 | 68.8 | 88.5 |
|
|
|
|
|
|
## 目标检测模型
|
|
|
|
|
|
> 表中模型相关指标均为在MSCOCO数据集上使用PaddlePaddle Python预测接口测试得到（测试GPU型号为Nvidia Tesla V100测试得到,表中符号`-`表示相关指标暂未测试。
|
|
|
|
|
|
-| 模型 | 模型大小 | 预测时间(毫秒) | BoxAP |
|
|
|
+| 模型 | 模型大小 | 预测时间(毫秒) | BoxAP（%） |
|
|
|
|:-------|:-----------|:-------------|:----------|
|
|
|
|FasterRCNN-ResNet50|135.6MB| 78.450 | 35.2 |
|
|
|
|FasterRCNN-ResNet50_vd| 135.7MB | 79.523 | 36.4 |
|
|
|
@@ -50,7 +53,7 @@
|
|
|
|
|
|
> 表中模型相关指标均为在MSCOCO数据集上测试得到。
|
|
|
|
|
|
-| 模型 |模型大小 | 预测时间(毫秒) | BoxAP | SegAP |
|
|
|
+| 模型 |模型大小 | 预测时间(毫秒) | BoxAP | SegAP（%） |
|
|
|
|:---------|:---------|:----------|:---------|:--------|
|
|
|
|MaskRCNN-ResNet50|51.2MB| 86.096 | 36.5 |32.2|
|
|
|
|MaskRCNN-ResNet50-FPN|184.6MB | 65.859 | 37.9 |34.2|
|
Jason