model_list_npu.md

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

注：以上精度指标测量自UWaveGestureLibrary：训练、评测数据集。