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的评估是在骁龙855（SD855）上完成。
• GPU评估是在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

Model	Top-1 Acc	Top-5 Acc	SD855 time(ms) bs=1	Flops(G)	Params(M)	Model storage size(M)	Download Address
MobileNetV1_ x0_25	0.5143	0.7546	3.21985	0.07	0.46	1.9	Download link
MobileNetV1_ x0_5	0.6352	0.8473	9.579599	0.28	1.31	5.2	Download link
MobileNetV1_ x0_75	0.6881	0.8823	19.436399	0.63	2.55	10	Download link
MobileNetV1	0.7099	0.8968	32.523048	1.11	4.19	16	Download link
MobileNetV2_ x0_25	0.5321	0.7652	3.79925	0.05	1.5	6.1	Download link
MobileNetV2_ x0_5	0.6503	0.8572	8.7021	0.17	1.93	7.8	Download link
MobileNetV2_ x0_75	0.6983	0.8901	15.531351	0.35	2.58	10	Download link
MobileNetV2	0.7215	0.9065	23.317699	0.6	3.44	14	Download link
MobileNetV2_ x1_5	0.7412	0.9167	45.623848	1.32	6.76	26	Download link
MobileNetV2_ x2_0	0.7523	0.9258	74.291649	2.32	11.13	43	Download link
MobileNetV3_ large_x1_25	0.7641	0.9295	28.217701	0.714	7.44	29	Download link
MobileNetV3_ large_x1_0	0.7532	0.9231	19.30835	0.45	5.47	21	Download link
MobileNetV3_ large_x0_75	0.7314	0.9108	13.5646	0.296	3.91	16	Download link
MobileNetV3_ large_x0_5	0.6924	0.8852	7.49315	0.138	2.67	11	Download link
MobileNetV3_ large_x0_35	0.6432	0.8546	5.13695	0.077	2.1	8.6	Download link
MobileNetV3_ small_x1_25	0.7067	0.8951	9.2745	0.195	3.62	14	Download link
MobileNetV3_ small_x1_0	0.6824	0.8806	6.5463	0.123	2.94	12	Download link
MobileNetV3_ small_x0_75	0.6602	0.8633	5.28435	0.088	2.37	9.6	Download link
MobileNetV3_ small_x0_5	0.5921	0.8152	3.35165	0.043	1.9	7.8	Download link
MobileNetV3_ small_x0_35	0.5303	0.7637	2.6352	0.026	1.66	6.9	Download link
MobileNetV3_ small_x0_35_ssld	0.5555	0.7771	2.6352	0.026	1.66	6.9	Download link
MobileNetV3_ large_x1_0_ssld	0.7896	0.9448	19.30835	0.45	5.47	21	Download link
MobileNetV3_small_ x1_0_ssld	0.7129	0.9010	6.5463	0.123	2.94	12	Download link
ShuffleNetV2	0.6880	0.8845	10.941	0.28	2.26	9	Download link
ShuffleNetV2_ x0_25	0.4990	0.7379	2.329	0.03	0.6	2.7	Download link
ShuffleNetV2_ x0_33	0.5373	0.7705	2.64335	0.04	0.64	2.8	Download link
ShuffleNetV2_ x0_5	0.6032	0.8226	4.2613	0.08	1.36	5.6	Download link
ShuffleNetV2_ x1_5	0.7163	0.9015	19.3522	0.58	3.47	14	Download link
ShuffleNetV2_ x2_0	0.7315	0.9120	34.770149	1.12	7.32	28	Download link
ShuffleNetV2_ swish	0.7003	0.8917	16.023151	0.29	2.26	9.1	Download link

其他系列

Model	Top-1 Acc	Top-5 Acc	time(ms) bs=1	time(ms) bs=4	Flops(G)	Params(M)	Download Address
ResNet18	0.7098	0.8992	1.45606	3.56305	3.66	11.69	Download link
ResNet18_vd	0.7226	0.9080	1.54557	3.85363	4.14	11.71	Download link
ResNet34	0.7457	0.9214	2.34957	5.89821	7.36	21.8	Download link
ResNet34_vd	0.7598	0.9298	2.43427	6.22257	7.39	21.82	Download link
ResNet50	0.7650	0.9300	3.47712	7.84421	8.19	25.56	Download link
ResNet50_vd	0.7912	0.9444	3.53131	8.09057	8.67	25.58	Download link
ResNet101	0.7756	0.9364	6.07125	13.40573	15.52	44.55	Download link
ResNet101_vd	0.8017	0.9497	6.11704	13.76222	16.1	44.57	Download link
ResNet152	0.7826	0.9396	8.50198	19.17073	23.05	60.19	Download link
ResNet152_vd	0.8059	0.9530	8.54376	19.52157	23.53	60.21	Download link
ResNet200_vd	0.8093	0.9533	10.80619	25.01731	30.53	74.74	Download link
ResNet50_vd_ ssld	0.8239	0.9610	3.53131	8.09057	8.67	25.58	Download link
ResNet101_vd_ ssld	0.8373	0.9669	6.11704	13.76222	16.1	44.57	Download link
AlexNet	0.567	0.792	1.44993	2.46696	1.370	61.090	Download link
DarkNet53	0.780	0.941	4.10829	12.1714	18.580	41.600	Download link
DenseNet121	0.7566	0.9258	4.40447	9.32623	5.69	7.98	Download link
DenseNet161	0.7857	0.9414	10.39152	22.15555	15.49	28.68	Download link
DenseNet169	0.7681	0.9331	6.43598	12.98832	6.74	14.15	Download link
DenseNet201	0.7763	0.9366	8.20652	17.45838	8.61	20.01	Download link
DenseNet264	0.7796	0.9385	12.14722	26.27707	11.54	33.37	Download link
HRNet_W18_C	0.7692	0.9339	7.40636	13.29752	4.14	21.29	Download link
HRNet_W30_C	0.7804	0.9402	9.57594	17.35485	16.23	37.71	Download link
HRNet_W32_C	0.7828	0.9424	9.49807	17.72921	17.86	41.23	Download link
HRNet_W40_C	0.7877	0.9447	12.12202	25.68184	25.41	57.55	Download link
HRNet_W44_C	0.7900	0.9451	13.19858	32.25202	29.79	67.06	Download link
HRNet_W48_C	0.7895	0.9442	13.70761	34.43572	34.58	77.47	Download link
HRNet_W64_C	0.7930	0.9461	17.57527	47.9533	57.83	128.06	Download link
Xception41	0.7930	0.9453	4.96939	17.01361	16.74	22.69	Download link
Xception65	0.8100	0.9549	7.26158	25.88778	25.95	35.48	Download link
Xception71	0.8111	0.9545	8.72457	31.55549	31.77	37.28	Download link

目标检测模型

• 所有模型均在COCO17数据集中训练和测试。
• 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
• 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。

Faster RCNN on COCO

骨架网络	网络类型	推理时间(fps)	Box AP	下载
ResNet50	Faster	----	36.7	下载链接
ResNet50-vd	Faster	----	37.6	下载链接
ResNet101	Faster	----	39.0	下载链接
ResNet34-FPN	Faster	----	37.8	下载链接
ResNet34-vd-FPN	Faster	----	38.5	下载链接
ResNet50-FPN	Faster	----	38.4	下载链接
ResNet50-vd-FPN	Faster	----	39.5	下载链接
ResNet101-vd-FPN	Faster	----	42.0	下载链接
ResNeXt101-vd-FPN	Faster	----	43.4	下载链接
ResNet50-vd-SSLDv2-FPN	Faster	----	41.4	下载链接

YOLOv3 on COCO

骨架网络	输入尺寸	推理时间(fps)	Box AP	下载
DarkNet53	608	----	39.0	下载链接
ResNet50_vd	608	----	39.1	下载链接
ResNet34	608	----	36.2	下载链接
MobileNet-V1	608	----	29.4	下载链接
MobileNet-V3	608	----	31.4	下载链接
MobileNet-V1-SSLD	608	----	31.0	下载链接

YOLOv3 on Pasacl VOC

骨架网络	输入尺寸	推理时间(fps)	Box AP	下载
MobileNet-V1	608	-	75.2	下载链接
MobileNet-V3	608	-	79.6	下载链接
MobileNet-V1-SSLD	608	-	78.3	下载链接
MobileNet-V3-SSLD	608	-	80.4	下载链接

PP-YOLO on COCO

模型	骨干网络	输入尺寸	Box APval	Box APtest	V100 FP32(FPS)	V100 TensorRT FP16(FPS)	模型下载
PP-YOLO	ResNet50vd	608	44.8	45.2	72.9	155.6	model
PP-YOLOv2	ResNet50vd	640	49.1	49.5	68.9	106.5	model
PP-YOLOv2	ResNet101vd	640	49.7	50.3	49.5	87.0	model

注意:

• PP-YOLO模型推理速度测试采用单卡V100，batch size=1进行测试，使用CUDA 10.2, CUDNN 7.5.1，TensorRT推理速度测试使用TensorRT 5.1.2.2。
• PP-YOLO模型FP32的推理速度是使用Paddle预测库进行推理速度benchmark测试结果, 且测试的均为不包含数据预处理和模型输出后处理(NMS)的数据(与YOLOv4(AlexyAB)测试方法一致)。
• TensorRT FP16的速度测试相比于FP32去除了yolo_box(bbox解码)部分耗时，即不包含数据预处理，bbox解码和NMS(与YOLOv4(AlexyAB)测试方法一致)。

PP-YOLO on Pascal VOC

模型	骨干网络	输入尺寸	Box AP50val	模型下载
PP-YOLO	ResNet50vd	608	84.9	model

PP-YOLO tiny on COCO

模型	模型体积	后量化模型体积	输入尺寸	Box APval	Kirin 990 1xCore (FPS)	模型下载	量化后模型
PP-YOLO tiny	4.2MB	1.3M	416	22.7	65.4	model	预测模型

• PP-YOLO-tiny 模型推理速度测试环境配置为麒麟990芯片4线程，arm8架构。
• 我们也提供的PP-YOLO-tiny的后量化压缩模型，将模型体积压缩到1.3M，对精度和预测速度基本无影响

实例分割模型

• 所有模型均在COCO17数据集中训练和测试。
• 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。
• 推理时间(fps): 推理时间是在一张Tesla V100的GPU上测试所有验证集得到，单位是fps(图片数/秒), cuDNN版本是7.5，包括数据加载、网络前向执行和后处理, batch size是1。

骨架网络	网络类型	推理时间(fps)	Box AP	Mask AP	下载
ResNet50	Mask	----	37.4	32.8	下载链接
ResNet50	Mask	----	39.7	34.5	下载链接
ResNet50-FPN	Mask	----	39.2	35.6	下载链接
ResNet50-FPN	Mask	----	40.5	36.7	下载链接
ResNet50-vd-FPN	Mask	----	40.3	36.4	下载链接
ResNet50-vd-FPN	Mask	----	41.4	37.5	下载链接
ResNet101-FPN	Mask	----	40.6	36.6	下载链接
ResNet101-vd-FPN	Mask	----	42.4	38.1	下载链接
ResNeXt101-vd-FPN	Mask	----	44.0	39.5	下载链接
ResNeXt101-vd-FPN	Mask	----	44.6	39.8	下载链接
ResNet50-vd-SSLDv2-FPN	Mask	----	42.0	38.2	下载链接
ResNet50-vd-SSLDv2-FPN	Mask	----	42.7	38.9	下载链接

语义分割模型

以下指标均在Pascal VOC验证集上测试得到，表中符号-表示相关指标暂未测试。

Model	Backbone	Resolution	mIoU	Links
DeepLabV3P	ResNet50_vd	512x512	80.66%	model
DeepLabV3P	ResNet101_vd	512x512	80.60%	model

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。

Model	Backbone	Resolution	mIoU	Links
UNet	-	1024x512	65.00%	model
DeepLabV3P	ResNet50_vd	1024x512	80.36%	model
DeepLabV3P	ResNet101_vd	1024x512	81.10%	model
Fast SCNN	-	1024x1024	69.31%	model
HRNet_W18	-	1024x512	78.97%	model
HRNet_W48	-	1024x512	80.70%	model
BiSeNetv2	-	1024x1024	73.19%	model