模型库

本文档梳理了PaddleX v0.1.0支持的模型，同时也提供了在各个数据集上的预训练模型和对应验证集上的指标。用户也可自行下载对应的代码，在安装PaddleX后，即可使用相应代码训练模型。

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 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（%）
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

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（%）
FasterRCNN-ResNet50	135.6MB	78.450	35.2
FasterRCNN-ResNet50_vd	135.7MB	79.523	36.4
FasterRCNN-ResNet101	211.7MB	107.342	38.3
FasterRCNN-ResNet50-FPN	167.2MB	44.897	37.2
FasterRCNN-ResNet50_vd-FPN	168.7MB	45.773	38.9
FasterRCNN-ResNet101-FPN	251.7MB	55.782	38.7
FasterRCNN-ResNet101_vd-FPN	252MB	58.785	40.5
YOLOv3-DarkNet53	252.4MB	21.944	38.9
YOLOv3-MobileNetv1	101.2MB	12.771	29.3
YOLOv3-MobileNetv3	94.6MB	-	31.6
YOLOv3-ResNet34	169.7MB	15.784	36.2

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（%）
MaskRCNN-ResNet50	51.2MB	86.096	36.5	32.2
MaskRCNN-ResNet50-FPN	184.6MB	65.859	37.9	34.2
MaskRCNN-ResNet50_vd-FPN	185.5MB	63.191	39.8	35.4
MaskRCNN-ResNet101-FPN	268.6MB	77.024	39.5	35.2
MaskRCNN-ResNet101vd-FPN	268.6MB	76.307	41.4	36.8

表中符号-表示相关指标暂未测试。