model_list_npu.md 7.0 KB
简体中文 | English
PaddleX模型列表（昇腾 NPU）
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)| |-|-|-| |CLIP_vit_base_patch16_224|85.36|306.5 M| |CLIP_vit_large_patch14_224|88.1|1.04 G| |ConvNeXt_base_224|83.84|313.9 M| |ConvNeXt_base_384|84.90|313.9 M| |ConvNeXt_large_224|84.26|700.7 M| |ConvNeXt_large_384|85.27|700.7 M| |ConvNeXt_small|83.13|178.0 M| |ConvNeXt_tiny|82.03|101.4 M| |MobileNetV1_x0_75|68.8|9.3 M| |MobileNetV1_x1_0|71.0|15.2 M| |MobileNetV2_x0_5|65.0|7.1 M| |MobileNetV2_x0_25|53.2|5.5 M| |MobileNetV2_x1_0|72.2|12.6 M| |MobileNetV2_x1_5|74.1|25.0 M| |MobileNetV2_x2_0|75.2|41.2 M| |MobileNetV3_large_x0_5|69.2|9.6 M| |MobileNetV3_large_x0_35|64.3|7.5 M| |MobileNetV3_large_x0_75|73.1|14.0 M| |MobileNetV3_large_x1_0|75.3|19.5 M| |MobileNetV3_large_x1_25|76.4|26.5 M| |MobileNetV3_small_x0_5|59.2|6.8 M| |MobileNetV3_small_x0_35|53.0|6.0 M| |MobileNetV3_small_x0_75|66.0|8.5 M| |MobileNetV3_small_x1_0|68.2|10.5 M| |MobileNetV3_small_x1_25|70.7|13.0 M| |PP-HGNet_base|85.0|249.4 M| |PP-HGNet_small|81.51|86.5 M| |PP-HGNet_tiny|79.83|52.4 M| |PP-HGNetV2-B0|77.77|21.4 M| |PP-HGNetV2-B1|79.18|22.6 M| |PP-HGNetV2-B2|81.74|39.9 M| |PP-HGNetV2-B3|82.98|57.9 M| |PP-HGNetV2-B4|83.57|70.4 M| |PP-HGNetV2-B5|84.75|140.8 M| |PP-HGNetV2-B6|86.30|268.4 M| |PP-LCNet_x0_5|63.14|6.7 M| |PP-LCNet_x0_25|51.86|5.5 M| |PP-LCNet_x0_35|58.09|5.9 M| |PP-LCNet_x0_75|68.18|8.4 M| |PP-LCNet_x1_0|71.32|10.5 M| |PP-LCNet_x1_5|73.71|16.0 M| |PP-LCNet_x2_0|75.18|23.2 M| |PP-LCNet_x2_5|76.60|32.1 M| |PP-LCNetV2_base|77.05|23.7 M| |ResNet18_vd|72.3|41.5 M| |ResNet18|71.0|41.5 M| |ResNet34_vd|76.0|77.3 M| |ResNet34|74.6|77.3 M| |ResNet50_vd|79.1|90.8 M| |ResNet50|76.5|90.8 M| |ResNet101_vd|80.2|158.4 M| |ResNet101|77.6|158.7 M| |ResNet152_vd|80.6|214.3 M| |ResNet152|78.3|214.2 M| |ResNet200_vd|80.9|266.0 M| |SwinTransformer_base_patch4_window7_224|83.37|310.5 M| |SwinTransformer_small_patch4_window7_224|83.21|175.6 M| |SwinTransformer_tiny_patch4_window7_224|81.10|100.1 M|
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)| |-|-|-| |CenterNet-DLA-34|37.6|75.4 M| |CenterNet-ResNet50|38.9|319.7 M| |DETR-R50|42.3|159.3 M| |FasterRCNN-ResNet34-FPN|37.8|137.5 M| |FasterRCNN-ResNet50-FPN|38.4|148.1 M| |FasterRCNN-ResNet50-vd-FPN|39.5|148.1 M| |FasterRCNN-ResNet50-vd-SSLDv2-FPN|41.4|148.1 M| |FasterRCNN-ResNet101-FPN|41.4|216.3 M| |FCOS-ResNet50|39.6|124.2 M| |PicoDet-L|42.6|20.9 M| |PicoDet-M|37.5|16.8 M| |PicoDet-S|29.1|4.4 M | |PicoDet-XS|26.2|5.7M | |PP-YOLOE_plus-L|52.9|185.3 M| |PP-YOLOE_plus-M|49.8|83.2 M| |PP-YOLOE_plus-S|43.7|28.3 M| |PP-YOLOE_plus-X|54.7|349.4 M| |RT-DETR-H|56.3|435.8 M| |RT-DETR-L|53.0|113.7 M| |RT-DETR-R18|46.5|70.7 M| |RT-DETR-R50|53.1|149.1 M| |RT-DETR-X|54.8|232.9 M| |YOLOv3-DarkNet53|39.1|219.7 M| |YOLOv3-MobileNetV3|31.4|83.8 M| |YOLOv3-ResNet50_vd_DCN|40.6|163.0 M|
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)| |-|-|-| |Deeplabv3_Plus-R50 |80.36|94.9 M| |Deeplabv3_Plus-R101|81.10|162.5 M| |Deeplabv3-R50|79.90|138.3 M| |Deeplabv3-R101|80.85|205.9 M| |OCRNet_HRNet-W48|82.15|249.8 M| |PP-LiteSeg-T|73.10|28.5 M|
注：以上精度指标为Cityscapes数据集 mloU。
实例分割模块
|模型名称|Mask AP|模型存储大小（M)| |-|-|-| |Mask-RT-DETR-H|50.6|449.9| |Mask-RT-DETR-L|45.7|113.6| |Mask-RT-DETR-M|42.7|66.6 M| |Cascade-MaskRCNN-ResNet50-FPN|36.3|254.8| |Cascade-MaskRCNN-ResNet50-vd-SSLDv2-FPN|39.1|254.7| |PP-YOLOE_seg-S|32.5|31.5 M|
注：以上精度指标为COCO2017验证集 Mask AP(0.5:0.95)。
文本检测模块
|模型名称|检测Hmean（%）|模型存储大小（M)| |-|-|-| |PP-OCRv4_mobile_det |77.79|4.2 M| |PP-OCRv4_server_det |82.69|100.1M|
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)| |-|-|-| |PP-OCRv4_mobile_rec |78.20|10.6 M| |PP-OCRv4_server_rec |79.20|71.2 M|
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。
|模型名称|识别Avg Accuracy(%)|模型存储大小（M)| |-|-|-| |ch_SVTRv2_rec|68.81|73.9 M|
注：以上精度指标的评估集是 PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务A榜。
|模型名称|识别Avg Accuracy(%)|模型存储大小（M)| |-|-|-| |ch_RepSVTR_rec|65.07|22.1 M|
注：以上精度指标的评估集是 PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务B榜。
表格结构识别模块
|模型名称|精度（%）|模型存储大小（M)| |-|-|-| |SLANet|76.31|6.9 M |
注：以上精度指标测量自PubtabNet英文表格识别数据集。
版面区域分析模块
|模型名称|mAP（%）|模型存储大小（M)| |-|-|-| |PicoDet_layout_1x|86.8|7.4M |
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)| |-|-|-|-| |DLinear|0.382|0.394|72K| |NLinear|0.386|0.392|40K | |Nonstationary|0.600|0.515|55.5 M| |PatchTST|0.385|0.397|2.0M | |RLinear|0.384|0.392|40K| |TiDE|0.405|0.412|31.7M| |TimesNet|0.417|0.431|4.9M|
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）*。**
时序异常检测模块
|模型名称|precison|recall|f1_score|模型存储大小（M)| |-|-|-|-|-| |AutoEncoder_ad|99.36|84.36|91.25|52K | |DLinear_ad|98.98|93.96|96.41|112K| |Nonstationary_ad|98.55|88.95|93.51|1.8M | |PatchTST_ad|98.78|90.70|94.57|320K | |TimesNet_ad|98.37|94.80|96.56|1.3M |
注：以上精度指标测量自PSM数据集。
时序分类模块
|模型名称|acc(%)|模型存储大小（M)| |-|-|-| |TimesNet_cls|87.5|792K|