comments: true
PaddleX模型列表（昆仑 XPU）
PaddleX 内置了多条产线，每条产线都包含了若干模块，每个模块包含若干模型，具体使用哪些模型，您可以根据下边的 benchmark 数据来选择。如您更考虑模型精度，请选择精度较高的模型，如您更考虑模型存储大小，请选择存储大小较小的模型。
图像分类模块
| 模型名称 |
Top1 Acc（%） |
模型存储大小（M) |
模型下载链接 |
| MobileNetV3_large_x0_5 |
69.2 |
9.6 M |
推理模型/训练模型 |
| MobileNetV3_large_x0_35 |
64.3 |
7.5 M |
推理模型/训练模型 |
| MobileNetV3_large_x0_75 |
73.1 |
14.0 M |
推理模型/训练模型 |
| MobileNetV3_large_x1_0 |
75.3 |
19.5 M |
推理模型/训练模型 |
| MobileNetV3_large_x1_25 |
76.4 |
26.5 M |
推理模型/训练模型 |
| MobileNetV3_small_x0_5 |
59.2 |
6.8 M |
推理模型/训练模型 |
| MobileNetV3_small_x0_35 |
53.0 |
6.0 M |
推理模型/训练模型 |
| MobileNetV3_small_x0_75 |
66.0 |
8.5 M |
推理模型/训练模型 |
| MobileNetV3_small_x1_0 |
68.2 |
10.5 M |
推理模型/训练模型 |
| MobileNetV3_small_x1_25 |
70.7 |
13.0 M |
推理模型/训练模型 |
| PP-HGNet_small |
81.51 |
86.5 M |
推理模型/训练模型 |
| PP-LCNet_x0_5 |
63.14 |
6.7 M |
推理模型/训练模型 |
| PP-LCNet_x0_25 |
51.86 |
5.5 M |
推理模型/训练模型 |
| PP-LCNet_x0_35 |
58.09 |
5.9 M |
推理模型/训练模型 |
| PP-LCNet_x0_75 |
68.18 |
8.4 M |
推理模型/训练模型 |
| PP-LCNet_x1_0 |
71.32 |
10.5 M |
推理模型/训练模型 |
| PP-LCNet_x1_5 |
73.71 |
16.0 M |
推理模型/训练模型 |
| PP-LCNet_x2_0 |
75.18 |
23.2 M |
推理模型/训练模型 |
| PP-LCNet_x2_5 |
76.60 |
32.1 M |
推理模型/训练模型 |
| ResNet18 |
71.0 |
41.5 M |
推理模型/训练模型 |
| ResNet34 |
74.6 |
77.3 M |
推理模型/训练模型 |
| ResNet50 |
76.5 |
90.8 M |
推理模型/训练模型 |
| ResNet101 |
77.6 |
158.7 M |
推理模型/训练模型 |
| ResNet152 |
78.3 |
214.2 M |
推理模型/训练模型 |
注：以上精度指标为ImageNet-1k验证集 Top1 Acc。
目标检测模块
| 模型名称 |
mAP（%） |
模型存储大小（M) |
模型下载链接 |
| PicoDet-L |
42.6 |
20.9 M |
推理模型/训练模型 |
| PicoDet-S |
29.1 |
4.4 M |
推理模型/训练模型 |
| PP-YOLOE_plus-L |
52.9 |
185.3 M |
推理模型/训练模型 |
| PP-YOLOE_plus-M |
49.8 |
83.2 M |
推理模型/训练模型 |
| PP-YOLOE_plus-S |
43.7 |
28.3 M |
推理模型/训练模型 |
| PP-YOLOE_plus-X |
54.7 |
349.4 M |
推理模型/训练模型 |
注：以上精度指标为COCO2017验证集 mAP(0.5:0.95)。
语义分割模块
| 模型名称 |
mloU（%） |
模型存储大小（M) |
模型下载链接 |
| PP-LiteSeg-T |
73.10 |
28.5 M |
推理模型/训练模型 |
注：以上精度指标为Cityscapes数据集 mloU。
| 模型名称 |
Avg（%） |
模型存储大小 |
模型下载链接 |
| STFPM |
96.2 |
21.5 M |
推理模型/训练模型 |
注：以上精度指标为 MVTec AD 验证集 平均异常分数。
| 模型名称 |
AP (%)
Easy/Medium/Hard |
模型存储大小 |
模型下载链接 |
| PicoDet_LCNet_x2_5_face |
93.7/90.7/68.1 |
28.9 M |
推理模型/训练模型 |
注：以上精度指标是在WIDER-FACE验证集上，以640
*640作为输入尺寸评估得到的。
文本检测模块
| 模型名称 |
检测Hmean（%） |
模型存储大小（M) |
模型下载链接 |
| PP-OCRv4_mobile_det |
77.79 |
4.2 M |
推理模型/训练模型 |
| PP-OCRv4_server_det |
82.69 |
100.1M |
推理模型/训练模型 |
注：以上精度指标的评估集是 PaddleOCR 自建的中文数据集，覆盖街景、网图、文档、手写多个场景，其中检测包含 500 张图片。
文本识别模块
| 模型名称 |
识别Avg Accuracy(%) |
模型存储大小（M) |
模型下载链接 |
| PP-OCRv4_mobile_rec |
78.20 |
10.6 M |
推理模型/训练模型 |
| PP-OCRv4_server_rec |
79.20 |
71.2 M |
推理模型/训练模型 |
注：以上精度指标的评估集是 PaddleOCR 自建的中文数据集，覆盖街景、网图、文档、手写多个场景，其中文本识别包含 1.1w 张图片。
版面区域分析模块
| 模型名称 |
mAP（%） |
模型存储大小（M) |
模型下载链接 |
| PicoDet_layout_1x |
86.8 |
7.4M |
推理模型/训练模型 |
注：以上精度指标的评估集是 PaddleOCR 自建的版面区域分析数据集，包含 1w 张图片。
时序预测模块
| 模型名称 |
mse |
mae |
模型存储大小（M) |
模型下载链接 |
| DLinear |
0.382 |
0.394 |
72K |
推理模型/训练模型 |
| NLinear |
0.386 |
0.392 |
40K |
推理模型/训练模型 |
| RLinear |
0.384 |
0.392 |
40K |
推理模型/训练模型 |
注：以上精度指标测量自ETTH1数据集 （在测试集test.csv上的评测结果）。
