文章目录


PaddleX目前提供了4种视觉任务解决方案，分别为 图像分类、 目标检测、 实例分割和 语义分割。用户可以根据自己的任务类型按需选取。

图像分类

图像分类任务指的是输入一张图片，模型预测图片的类别，如识别为风景、动物、车等。

PaddleX视觉方案介绍_百度PaddleX

对于图像分类任务，针对不同的应用场景，PaddleX提供了百度改进的模型，见下表所示

模型 模型大小 GPU预测速度 CPU预测速度 ARM芯片预测速度 准确率 备注
MobileNetV3_small_ssld 12M - - - 71.3% 适用于移动端场景
MobileNetV3_large_ssld 21M - - - 79.0% 适用于移动端/服务端场景
ResNet50_vd_ssld 102.8MB - - - 82.4% 适用于服务端场景
ResNet101_vd_ssld 179.2MB - - - 83.7% 适用于服务端场景

除上述模型外，PaddleX还支持近20种图像分类模型，模型列表可参考PaddleX模型库

目标检测

目标检测任务指的是输入图像，模型识别出图像中物体的位置（用矩形框框出来，并给出框的位置），和物体的类别，如在手机等零件质检中，用于检测外观上的瑕疵等。

PaddleX视觉方案介绍_百度PaddleX_02

对于目标检测，针对不同的应用场景，PaddleX提供了主流的YOLOv3模型和Faster-RCNN模型，见下表所示

模型 模型大小 GPU预测速度 CPU预测速度 ARM芯片预测速度 BoxMAP 备注
YOLOv3-MobileNetV1 101.2M - - - 29.3
YOLOv3-MobileNetV3 94.6M - - - 31.6
YOLOv3-ResNet34 169.7M - - - 36.2
YOLOv3-DarkNet53 252.4M - - - 38.9

除YOLOv3模型外，PaddleX同时也支持FasterRCNN模型，支持FPN结构和5种backbone网络，详情可参考PaddleX模型库

实例分割

在目标检测中，模型识别出图像中物体的位置和物体的类别。而实例分割则是在目标检测的基础上，做了像素级的分类，将框内的属于目标物体的像素识别出来。

PaddleX视觉方案介绍_百度PaddleX_03

PaddleX目前提供了实例分割MaskRCNN模型，支持5种不同的backbone网络，详情可参考PaddleX模型库

模型 模型大小 GPU预测速度 CPU预测速度 ARM芯片预测速度 BoxMAP SegMAP 备注
MaskRCNN-ResNet50_vd-FPN 185.5M - - - 39.8 35.4
MaskRCNN-ResNet101_vd-FPN 268.6M - - - 41.4 36.8

语义分割

语义分割用于对图像做像素级的分类，应用在人像分类、遥感图像识别等场景。

PaddleX视觉方案介绍_百度PaddleX_04

对于语义分割，PaddleX也针对不同的应用场景，提供了不同的模型选择，如下表所示

模型 模型大小 GPU预测速度 CPU预测速度 ARM芯片预测速度 mIOU 备注
DeepLabv3p-MobileNetV2_x0.25 - - - - -
DeepLabv3p-MobileNetV2_x1.0 - - - - -
DeepLabv3p-Xception65 - - - - -
UNet - - - - -