PaddleX/docs/appendix/model_zoo.md

PaddleX模型库

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的评估环境基于骁龙855（SD855）。
• GPU评估环境基于T4机器，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

模型	模型大小	SD855 time(ms) bs=1	Top1准确率（%）	Top5准确率（%）
MobileNetV1	17.4MB	32.523048	71.0	89.7
MobileNetV2	15.0MB	23.317699	72.2	90.7
MobileNetV3_large	22.8MB	19.30835	75.3	93.2
MobileNetV3_small	12.5MB	9.2745	68.2	88.1
MobileNetV3_large_ssld	22.8MB	19.30835	79.0	94.5
MobileNetV3_small_ssld	12.5MB	6.5463	71.3	90.1
ShuffleNetV2	10.2MB	10.941	68.8	88.5

其他系列

模型	模型大小	GPU time(ms) bs=1	Top1准确率（%）	Top5准确率（%）
ResNet18	46.2MB	1.45606	71.0	89.9
ResNet34	87.9MB	2.34957	74.6	92.1
ResNet50	103.4MB	3.47712	76.5	93.0
ResNet101	180.4MB	6.07125	77.6	93.6
ResNet50_vd	103.5MB	3.53131	79.1	94.4
ResNet101_vd	180.5MB	6.11704	80.2	95.0
ResNet50_vd_ssld	103.5MB	3.53131	82.4	96.1
ResNet101_vd_ssld	180.5MB	6.11704	83.7	96.7
DarkNet53	167.4MB	-	78.0	94.1
Xception41	109.2MB	4.96939	79.6	94.4
Xception65	161.6MB	7.26158	80.3	94.5
DenseNet121	33.1MB	4.40447	75.7	92.6
DenseNet161	118.0MB	10.39152	78.6	94.1
DenseNet201	84.1MB	8.20652	77.6	93.7
HRNet_W18	21.29MB	7.40636	76.9	93.4
AlexNet	244.4MB	-	56.7	79.2

目标检测模型

表中模型精度BoxAP通过evaluate()接口测试MSCOCO验证集得到，符号-表示相关指标暂未测试，预测时间在以下环境测试所的：

• 测试环境:
  • CUDA 9.0
  • CUDNN 7.5
  • PaddlePaddle v1.6
  • TensorRT-5.1.2.2
  • GPU分别为: Tesla V100
• 测试方式:
  • 为了方便比较不同模型的推理速度，输入采用同样大小的图片，为 3x640x640。
  • Batch Size=1
  • 去掉前10轮warmup时间，测试100轮的平均时间，单位ms/image，包括输入数据拷贝至GPU的时间、计算时间、数据拷贝至CPU的时间。
  • 采用Fluid C++预测引擎，开启FP32 TensorRT配置。
  • 测试时开启了 FLAGS_cudnn_exhaustive_search=True，使用exhaustive方式搜索卷积计算算法。

模型	模型大小	预测时间(ms/image)	BoxAP（%）
FasterRCNN-ResNet18-FPN	173.2MB	-	32.6
FasterRCNN-ResNet50	136.0MB	146.124	35.2
FasterRCNN-ResNet50_vd	136.1MB	144.767	36.4
FasterRCNN-ResNet101	212.5MB	150.985	38.3
FasterRCNN-ResNet50-FPN	167.7MB	24.758	37.2
FasterRCNN-ResNet50_vd-FPN	167.8MB	25.292	38.9
FasterRCNN-ResNet101-FPN	244.2MB	30.331	38.7
FasterRCNN-ResNet101_vd-FPN	244.3MB	29.969	40.5
FasterRCNN-HRNet_W18-FPN	115.5MB	-	36
PPYOLO	329.1MB	-	45.9
YOLOv3-DarkNet53	249.2MB	20.252	38.9
YOLOv3-MobileNetV1	99.2MB	11.834	29.3
YOLOv3-MobileNetV3_large	100.7MB	-	31.6
YOLOv3-ResNet34	170.3MB	14.125	36.2

实例分割模型

表中模型精度BoxAP/MaskAP通过evaluate()接口测试MSCOCO验证集得到，符号-表示相关指标暂未测试，预测时间在以下环境测试所的

• 测试环境:
  • CUDA 9.0
  • CUDNN 7.5
  • PaddlePaddle v1.6
  • TensorRT-5.1.2.2
  • GPU分别为: Tesla V100
• 测试方式:
  • 为了方便比较不同模型的推理速度，输入采用同样大小的图片，为 3x640x640。
  • Batch Size=1
  • 去掉前10轮warmup时间，测试100轮的平均时间，单位ms/image，包括输入数据拷贝至GPU的时间、计算时间、数据拷贝至CPU的时间。
  • 采用Fluid C++预测引擎，开启FP32 TensorRT配置。
  • 测试时开启了 FLAGS_cudnn_exhaustive_search=True，使用exhaustive方式搜索卷积计算算法。

模型	模型大小	预测时间(毫秒)	BoxAP (%)	MaskAP (%)
MaskRCNN-ResNet18-FPN	189.1MB	-	33.6	30.5
MaskRCNN-ResNet50	143.9MB	159.527	38.2	33.4
MaskRCNN-ResNet50-FPN	177.7MB	83.567	38.7	34.7
MaskRCNN-ResNet50_vd-FPN	177.7MB	97.929	39.8	35.4
MaskRCNN-ResNet101-FPN	253.6MB	97.929	39.5	35.2
MaskRCNN-ResNet101_vd-FPN	253.7MB	97.647	41.4	36.8
MaskRCNN-HRNet_W18-FPN	120.7MB	-	38.7	34.7

语义分割模型

以下指标均在MSCOCO验证集上测试得到，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)	mIoU（%）
DeepLabv3_MobileNetV2_x1.0	14.7MB	-	-
DeepLabv3_Xception65	329.3MB	-	-
UNet	107.3MB	-	-

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。

模型	模型大小	预测时间(毫秒)	mIoU（%）
DeepLabv3_MobileNetV3_large_x1_0_ssld	9.3MB	-	73.28
DeepLabv3_MobileNetv2_x1.0	14.7MB	-	69.8
DeepLabv3_Xception65	329.3MB	-	79.3
HRNet_W18	77.3MB	-	79.36
Fast-SCNN	9.8MB	-	69.64