PaddleX模型列表（燧原 GCU）¶
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 |
|---|---|---|---|
| ConvNeXt_base_224 | 83.84 | 313.9 M | 推理模型/训练模型 |
| ConvNeXt_base_384 | 84.90 | 313.9 M | 推理模型/训练模型 |
| ConvNeXt_large_224 | 84.26 | 700.7 M | 推理模型/训练模型 |
| ConvNeXt_large_384 | 85.27 | 700.7 M | 推理模型/训练模型 |
| ConvNeXt_small | 83.13 | 178.0 M | 推理模型/训练模型 |
| ConvNeXt_tiny | 82.03 | 101.4 M | 推理模型/训练模型 |
| FasterNet-L | 83.5 | 357.1 M | 推理模型/训练模型 |
| FasterNet-M | 82.9 | 204.6 M | 推理模型/训练模型 |
| FasterNet-S | 81.3 | 119.3 M | 推理模型/训练模型 |
| FasterNet-T0 | 71.8 | 15.1 M | 推理模型/训练模型 |
| FasterNet-T1 | 76.2 | 29.2 M | 推理模型/训练模型 |
| FasterNet-T2 | 78.8 | 57.4 M | 推理模型/训练模型 |
| MobileNetV1_x0_25 | 51.4 | 1.8 M | 推理模型/训练模型 |
| MobileNetV1_x0_5 | 63.5 | 4.8 M | 推理模型/训练模型 |
| MobileNetV1_x0_75 | 68.8 | 9.3 M | 推理模型/训练模型 |
| MobileNetV1_x1_0 | 71.0 | 15.2 M | 推理模型/训练模型 |
| MobileNetV2_x0_25 | 53.2 | 5.5 M | 推理模型/训练模型 |
| MobileNetV2_x0_5 | 65.0 | 7.1 M | 推理模型/训练模型 |
| MobileNetV2_x1_0 | 72.2 | 12.6 M | 推理模型/训练模型 |
| MobileNetV2_x1_5 | 74.1 | 25.0 M | 推理模型/训练模型 |
| MobileNetV2_x2_0 | 75.2 | 41.2 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_5 | 69.2 | 9.6 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_35 | 53.0 | 6.0 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_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 |
| MobileNetV4_conv_large | 83.4 | 125.2 M | 推理模型/训练模型 |
| MobileNetV4_conv_medium | 80.9 | 37.6 M | 推理模型/训练模型 |
| MobileNetV4_conv_small | 74.4 | 14.7 M | 推理模型/训练模型 |
| PP-HGNet_base | 85.0 | 249.4 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-HGNet_tiny | 79.83 | 52.4 M | 推理模型/训练模型 |
| PP-HGNetV2-B0 | 77.77 | 21.4 M | 推理模型/训练模型 |
| PP-HGNetV2-B1 | 78.90 | 22.6 M | 推理模型/训练模型 |
| PP-HGNetV2-B2 | 81.57 | 39.9 M | 推理模型/训练模型 |
| PP-HGNetV2-B3 | 82.92 | 57.9 M | 推理模型/训练模型 |
| PP-HGNetV2-B4 | 83.68 | 70.4 M | 推理模型/训练模型 |
| PP-HGNetV2-B5 | 84.75 | 140.8 M | 推理模型/训练模型 |
| PP-HGNetV2-B6 | 86.20 | 268.4 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 | 58.10 | 5.9 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_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 |
| PP-LCNetV2_base | 77.04 | 23.7 M | 推理模型/训练模型 |
| PP-LCNetV2_large | 78.51 | 37.3 M | 推理模型/训练模型 |
| PP-LCNetV2_small | 73.96 | 14.6 M | 推理模型/训练模型 |
| ResNet18_vd | 72.3 | 41.5 M | 推理模型/训练模型 |
| ResNet18 | 71.0 | 41.5 M | 推理模型/训练模型 |
| ResNet34_vd | 76.0 | 77.3 M | 推理模型/训练模型 |
| ResNet34 | 74.6 | 77.3 M | 推理模型/训练模型 |
| ResNet50_vd | 79.1 | 90.8 M | 推理模型/训练模型 |
| ResNet50 | 76.5 | 90.8 M | 推理模型/训练模型 |
| ResNet101_vd | 80.2 | 158.4 M | 推理模型/训练模型 |
| ResNet101 | 77.6 | 158.7 M | 推理模型/训练模型 |
| ResNet152_vd | 80.6 | 214.3 M | 推理模型/训练模型 |
| ResNet152 | 78.3 | 214.2 M | 推理模型/训练模型 |
| ResNet200_vd | 80.7 | 266.0 M | 推理模型/训练模型 |
| StarNet-S1 | 73.5 | 11.2 M | 推理模型/训练模型 |
| StarNet-S2 | 74.7 | 14.3 M | 推理模型/训练模型 |
| StarNet-S3 | 77.4 | 22.2 M | 推理模型/训练模型 |
| StarNet-S4 | 78.8 | 28.9 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 |
|---|---|---|---|
| FCOS-ResNet50 | 39.6 | 124.2 M | 推理模型/训练模型 |
| PicoDet-L | 42.5 | 20.9 M | 推理模型/训练模型 |
| PicoDet-M | 37.4 | 16.8 M | 推理模型/训练模型 |
| PicoDet-S | 29.0 | 4.4 M | 推理模型/训练模型 |
| PicoDet-XS | 26.2 | 5.7M | 推理模型/训练模型 |
| PP-YOLOE_plus-L | 52.8 | 185.3 M | 推理模型/训练模型 |
| PP-YOLOE_plus-M | 49.7 | 83.2 M | 推理模型/训练模型 |
| PP-YOLOE_plus-S | 43.6 | 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 |
| RT-DETR-H | 56.3 | 435.8 M | 推理模型/训练模型 |
| RT-DETR-L | 53.0 | 113.7 M | 推理模型/训练模型 |
| RT-DETR-R18 | 46.5 | 70.7 M | 推理模型/训练模型 |
| RT-DETR-R50 | 53.1 | 149.1 M | 推理模型/训练模型 |
| RT-DETR-X | 54.8 | 232.9 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)。
行人检测模块¶
| 模型名称 | mAP（%） | 模型存储大小 | 模型下载链接 |
|---|---|---|---|
| PP-YOLOE-L_human | 48.0 | 196.1 M | 推理模型/训练模型 |
| PP-YOLOE-S_human | 42.5 | 28.8 M | 推理模型/训练模型 |
注：以上精度指标为CrowdHuman验证集 mAP(0.5:0.95)。
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 | 100.1 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。