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 P4），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	3.456	70.98%	89.92%
ResNet34	87.5MB	5.668	74.57%	92.14%
ResNet50	102.7MB	8.787	76.50%	93.00%
ResNet101	179.1MB	15.447	77.56%	93.64%
ResNet50_vd	102.8MB	9.058	79.12%	94.44%
ResNet101_vd	179.2MB	15.685	80.17%	94.97%
DarkNet53	166.9MB	11.969	78.04%	94.05%
MobileNetV1	16.4MB	2.609	70.99%	89.68%
MobileNetV2	14.4MB	4.546	72.15%	90.65%
MobileNetV3_large	22.8MB	-	75.3%	75.3%
MobileNetV3_small	12.5MB	6.809	67.46%	87.12%
Xception41	92.4MB	13.757	79.30%	94.53%
Xception65	144.6MB	19.216	81.00%	95.49%
Xception71	151.9MB	23.291	81.11%	95.45%
DenseNet121	32.8MB	12.437	75.66%	92.58%
DenseNet161	116.3MB	27.717	78.57%	94.14%
DenseNet201	84.6MB	26.583	77.63%	93.66%
ShuffleNetV2	10.2MB	6.101	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。