Skip to content

Latest commit

 

History

History
309 lines (240 loc) · 38 KB

README_cn.md

File metadata and controls

309 lines (240 loc) · 38 KB
Raw

简体中文 | English

PaddleClas

简介

飞桨图像分类套件PaddleClas是飞桨为工业界和学术界所准备的一个图像分类任务的工具集，助力使用者训练出更好的视觉模型和应用落地。

近期更新

  • 2020.10.12 添加Paddle-Lite demo。
  • 2020.10.10 添加cpp inference demo，完善FAQ 30问教程。
  • 2020.09.17 添加 HRNet_W48_C_ssld 模型，在ImageNet-1k上Top-1 Acc可达83.62%；添加 ResNet34_vd_ssld 模型，在ImageNet-1k上Top-1 Acc可达79.72%。
  • 2020.09.07 添加 HRNet_W18_C_ssld 模型，在ImageNet-1k上Top-1 Acc可达81.16%；添加 MobileNetV3_small_x0_35_ssld 模型，在ImageNet-1k上Top-1 Acc可达55.55%。
  • 2020.07.14 添加 Res2Net200_vd_26w_4s_ssld 模型，在ImageNet-1k上Top-1 Acc可达85.13%；添加 Fix_ResNet50_vd_ssld_v2 模型，在ImageNet-1k上Top-1 Acc可达84.0%。
  • 2020.06.17 添加英文文档。
  • 2020.06.12 添加对windows和CPU环境的训练与评估支持。
  • more

特性

  • 丰富的模型库：基于ImageNet1k分类数据集，PaddleClas提供了24个系列的分类网络结构和训练配置，122个预训练模型和性能评估。

  • SSLD知识蒸馏：基于该方案蒸馏模型的识别准确率普遍提升3%以上。

  • 数据增广：支持AutoAugment、Cutout、Cutmix等8种数据增广算法详细介绍、代码复现和在统一实验环境下的效果评估。

  • 10万类图像分类预训练模型：百度自研并开源了基于10万类数据集训练的 ResNet50_vd 模型，在一些实际场景中，使用该预训练模型的识别准确率最多可以提升30%。

  • 多种训练方案，包括多机训练、混合精度训练等。

  • 多种预测推理、部署方案，包括TensorRT预测、Paddle-Lite预测、模型服务化部署、模型量化、Paddle Hub等。

  • 可运行于Linux、Windows、MacOS等多种系统。

文档教程

模型库

模型库概览图

基于ImageNet1k分类数据集，PaddleClas支持24种系列分类网络结构以及对应的122个图像分类预训练模型，训练技巧、每个系列网络结构的简单介绍和性能评估将在相应章节展现，下面所有的速度指标评估环境如下：

  • CPU的评估环境基于骁龙855（SD855）。
  • GPU评估环境基于T4机器，在FP32+TensorRT配置下运行500次测得（去除前10次的warmup时间）。

常见服务器端模型的精度指标与其预测耗时的变化曲线如下图所示。

常见移动端模型的精度指标与其预测耗时、模型存储大小的变化曲线如下图所示。

ResNet及其Vd系列

ResNet及其Vd系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：ResNet及其Vd系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
ResNet18 0.7098 0.8992 1.45606 3.56305 3.66 11.69 下载链接
ResNet18_vd 0.7226 0.9080 1.54557 3.85363 4.14 11.71 下载链接
ResNet34 0.7457 0.9214 2.34957 5.89821 7.36 21.8 下载链接
ResNet34_vd 0.7598 0.9298 2.43427 6.22257 7.39 21.82 下载链接
ResNet34_vd_ssld 0.7972 0.9490 2.43427 6.22257 7.39 21.82 下载链接
ResNet50 0.7650 0.9300 3.47712 7.84421 8.19 25.56 下载链接
ResNet50_vc 0.7835 0.9403 3.52346 8.10725 8.67 25.58 下载链接
ResNet50_vd 0.7912 0.9444 3.53131 8.09057 8.67 25.58 下载链接
ResNet50_vd_v2 0.7984 0.9493 3.53131 8.09057 8.67 25.58 下载链接
ResNet101 0.7756 0.9364 6.07125 13.40573 15.52 44.55 下载链接
ResNet101_vd 0.8017 0.9497 6.11704 13.76222 16.1 44.57 下载链接
ResNet152 0.7826 0.9396 8.50198 19.17073 23.05 60.19 下载链接
ResNet152_vd 0.8059 0.9530 8.54376 19.52157 23.53 60.21 下载链接
ResNet200_vd 0.8093 0.9533 10.80619 25.01731 30.53 74.74 下载链接
ResNet50_vd_
ssld		 0.8239 0.9610 3.53131 8.09057 8.67 25.58 下载链接
ResNet50_vd_
ssld_v2		 0.8300 0.9640 3.53131 8.09057 8.67 25.58 下载链接
ResNet101_vd_
ssld		 0.8373 0.9669 6.11704 13.76222 16.1 44.57 下载链接

移动端系列

移动端系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：移动端系列模型文档。

模型 Top-1 Acc Top-5 Acc SD855 time(ms)
bs=1		 Flops(G) Params(M) 模型大小(M) 下载地址
MobileNetV1_
x0_25		 0.5143 0.7546 3.21985 0.07 0.46 1.9 下载链接
MobileNetV1_
x0_5		 0.6352 0.8473 9.579599 0.28 1.31 5.2 下载链接
MobileNetV1_
x0_75		 0.6881 0.8823 19.436399 0.63 2.55 10 下载链接
MobileNetV1 0.7099 0.8968 32.523048 1.11 4.19 16 下载链接
MobileNetV1_
ssld		 0.7789 0.9394 32.523048 1.11 4.19 16 下载链接
MobileNetV2_
x0_25		 0.5321 0.7652 3.79925 0.05 1.5 6.1 下载链接
MobileNetV2_
x0_5		 0.6503 0.8572 8.7021 0.17 1.93 7.8 下载链接
MobileNetV2_
x0_75		 0.6983 0.8901 15.531351 0.35 2.58 10 下载链接
MobileNetV2 0.7215 0.9065 23.317699 0.6 3.44 14 下载链接
MobileNetV2_
x1_5		 0.7412 0.9167 45.623848 1.32 6.76 26 下载链接
MobileNetV2_
x2_0		 0.7523 0.9258 74.291649 2.32 11.13 43 下载链接
MobileNetV2_
ssld		 0.7674 0.9339 23.317699 0.6 3.44 14 下载链接
MobileNetV3_
large_x1_25		 0.7641 0.9295 28.217701 0.714 7.44 29 下载链接
MobileNetV3_
large_x1_0		 0.7532 0.9231 19.30835 0.45 5.47 21 下载链接
MobileNetV3_
large_x0_75		 0.7314 0.9108 13.5646 0.296 3.91 16 下载链接
MobileNetV3_
large_x0_5		 0.6924 0.8852 7.49315 0.138 2.67 11 下载链接
MobileNetV3_
large_x0_35		 0.6432 0.8546 5.13695 0.077 2.1 8.6 下载链接
MobileNetV3_
small_x1_25		 0.7067 0.8951 9.2745 0.195 3.62 14 下载链接
MobileNetV3_
small_x1_0		 0.6824 0.8806 6.5463 0.123 2.94 12 下载链接
MobileNetV3_
small_x0_75		 0.6602 0.8633 5.28435 0.088 2.37 9.6 下载链接
MobileNetV3_
small_x0_5		 0.5921 0.8152 3.35165 0.043 1.9 7.8 下载链接
MobileNetV3_
small_x0_35		 0.5303 0.7637 2.6352 0.026 1.66 6.9 下载链接
MobileNetV3_
small_x0_35_ssld		 0.5555 0.7771 2.6352 0.026 1.66 6.9 下载链接
MobileNetV3_
large_x1_0_ssld		 0.7896 0.9448 19.30835 0.45 5.47 21 下载链接
MobileNetV3_large_
x1_0_ssld_int8		 0.7605 - 14.395 - - 10 下载链接
MobileNetV3_small_
x1_0_ssld		 0.7129 0.9010 6.5463 0.123 2.94 12 下载链接
ShuffleNetV2 0.6880 0.8845 10.941 0.28 2.26 9 下载链接
ShuffleNetV2_
x0_25		 0.4990 0.7379 2.329 0.03 0.6 2.7 下载链接
ShuffleNetV2_
x0_33		 0.5373 0.7705 2.64335 0.04 0.64 2.8 下载链接
ShuffleNetV2_
x0_5		 0.6032 0.8226 4.2613 0.08 1.36 5.6 下载链接
ShuffleNetV2_
x1_5		 0.7163 0.9015 19.3522 0.58 3.47 14 下载链接
ShuffleNetV2_
x2_0		 0.7315 0.9120 34.770149 1.12 7.32 28 下载链接
ShuffleNetV2_
swish		 0.7003 0.8917 16.023151 0.29 2.26 9.1 下载链接
DARTS_GS_4M 0.7523 0.9215 47.204948 1.04 4.77 21 下载链接
DARTS_GS_6M 0.7603 0.9279 53.720802 1.22 5.69 24 下载链接
GhostNet_
x0_5		 0.6688 0.8695 5.7143 0.082 2.6 10 下载链接
GhostNet_
x1_0		 0.7402 0.9165 13.5587 0.294 5.2 20 下载链接
GhostNet_
x1_3		 0.7579 0.9254 19.9825 0.44 7.3 29 下载链接

SEResNeXt与Res2Net系列

SEResNeXt与Res2Net系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：SEResNeXt与Res2Net系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
Res2Net50_
26w_4s		 0.7933 0.9457 4.47188 9.65722 8.52 25.7 下载链接
Res2Net50_vd_
26w_4s		 0.7975 0.9491 4.52712 9.93247 8.37 25.06 下载链接
Res2Net50_
14w_8s		 0.7946 0.9470 5.4026 10.60273 9.01 25.72 下载链接
Res2Net101_vd_
26w_4s		 0.8064 0.9522 8.08729 17.31208 16.67 45.22 下载链接
Res2Net200_vd_
26w_4s		 0.8121 0.9571 14.67806 32.35032 31.49 76.21 下载链接
Res2Net200_vd_
26w_4s_ssld		 0.8513 0.9742 14.67806 32.35032 31.49 76.21 下载链接
ResNeXt50_
32x4d		 0.7775 0.9382 7.56327 10.6134 8.02 23.64 下载链接
ResNeXt50_vd_
32x4d		 0.7956 0.9462 7.62044 11.03385 8.5 23.66 下载链接
ResNeXt50_
64x4d		 0.7843 0.9413 13.80962 18.4712 15.06 42.36 下载链接
ResNeXt50_vd_
64x4d		 0.8012 0.9486 13.94449 18.88759 15.54 42.38 下载链接
ResNeXt101_
32x4d		 0.7865 0.9419 16.21503 19.96568 15.01 41.54 下载链接
ResNeXt101_vd_
32x4d		 0.8033 0.9512 16.28103 20.25611 15.49 41.56 下载链接
ResNeXt101_
64x4d		 0.7835 0.9452 30.4788 36.29801 29.05 78.12 下载链接
ResNeXt101_vd_
64x4d		 0.8078 0.9520 30.40456 36.77324 29.53 78.14 下载链接
ResNeXt152_
32x4d		 0.7898 0.9433 24.86299 29.36764 22.01 56.28 下载链接
ResNeXt152_vd_
32x4d		 0.8072 0.9520 25.03258 30.08987 22.49 56.3 下载链接
ResNeXt152_
64x4d		 0.7951 0.9471 46.7564 56.34108 43.03 107.57 下载链接
ResNeXt152_vd_
64x4d		 0.8108 0.9534 47.18638 57.16257 43.52 107.59 下载链接
SE_ResNet18_vd 0.7333 0.9138 1.7691 4.19877 4.14 11.8 下载链接
SE_ResNet34_vd 0.7651 0.9320 2.88559 7.03291 7.84 21.98 下载链接
SE_ResNet50_vd 0.7952 0.9475 4.28393 10.38846 8.67 28.09 下载链接
SE_ResNeXt50_
32x4d		 0.7844 0.9396 8.74121 13.563 8.02 26.16 下载链接
SE_ResNeXt50_vd_
32x4d		 0.8024 0.9489 9.17134 14.76192 10.76 26.28 下载链接
SE_ResNeXt101_
32x4d		 0.7912 0.9420 18.82604 25.31814 15.02 46.28 下载链接
SENet154_vd 0.8140 0.9548 53.79794 66.31684 45.83 114.29 下载链接

DPN与DenseNet系列

DPN与DenseNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：DPN与DenseNet系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
DenseNet121 0.7566 0.9258 4.40447 9.32623 5.69 7.98 下载链接
DenseNet161 0.7857 0.9414 10.39152 22.15555 15.49 28.68 下载链接
DenseNet169 0.7681 0.9331 6.43598 12.98832 6.74 14.15 下载链接
DenseNet201 0.7763 0.9366 8.20652 17.45838 8.61 20.01 下载链接
DenseNet264 0.7796 0.9385 12.14722 26.27707 11.54 33.37 下载链接
DPN68 0.7678 0.9343 11.64915 12.82807 4.03 10.78 下载链接
DPN92 0.7985 0.9480 18.15746 23.87545 12.54 36.29 下载链接
DPN98 0.8059 0.9510 21.18196 33.23925 22.22 58.46 下载链接
DPN107 0.8089 0.9532 27.62046 52.65353 35.06 82.97 下载链接
DPN131 0.8070 0.9514 28.33119 46.19439 30.51 75.36 下载链接

HRNet系列

HRNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：HRNet系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
HRNet_W18_C 0.7692 0.9339 7.40636 13.29752 4.14 21.29 下载链接
HRNet_W18_C_ssld 0.81162 0.95804 7.40636 13.29752 4.14 21.29 下载链接
HRNet_W30_C 0.7804 0.9402 9.57594 17.35485 16.23 37.71 下载链接
HRNet_W32_C 0.7828 0.9424 9.49807 17.72921 17.86 41.23 下载链接
HRNet_W40_C 0.7877 0.9447 12.12202 25.68184 25.41 57.55 下载链接
HRNet_W44_C 0.7900 0.9451 13.19858 32.25202 29.79 67.06 下载链接
HRNet_W48_C 0.7895 0.9442 13.70761 34.43572 34.58 77.47 下载链接
HRNet_W48_C_ssld 0.8363 0.9682 13.70761 34.43572 34.58 77.47 下载链接
HRNet_W64_C 0.7930 0.9461 17.57527 47.9533 57.83 128.06 下载链接

Inception系列

Inception系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：Inception系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
GoogLeNet 0.7070 0.8966 1.88038 4.48882 2.88 8.46 下载链接
Xception41 0.7930 0.9453 4.96939 17.01361 16.74 22.69 下载链接
Xception41_deeplab 0.7955 0.9438 5.33541 17.55938 18.16 26.73 下载链接
Xception65 0.8100 0.9549 7.26158 25.88778 25.95 35.48 下载链接
Xception65_deeplab 0.8032 0.9449 7.60208 26.03699 27.37 39.52 下载链接
Xception71 0.8111 0.9545 8.72457 31.55549 31.77 37.28 下载链接
InceptionV4 0.8077 0.9526 12.99342 25.23416 24.57 42.68 下载链接

EfficientNet与ResNeXt101_wsl系列

EfficientNet与ResNeXt101_wsl系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：EfficientNet与ResNeXt101_wsl系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
ResNeXt101_
32x8d_wsl		 0.8255 0.9674 18.52528 34.25319 29.14 78.44 下载链接
ResNeXt101_
32x16d_wsl		 0.8424 0.9726 25.60395 71.88384 57.55 152.66 下载链接
ResNeXt101_
32x32d_wsl		 0.8497 0.9759 54.87396 160.04337 115.17 303.11 下载链接
ResNeXt101_
32x48d_wsl		 0.8537 0.9769 99.01698256 315.91261 173.58 456.2 下载链接
Fix_ResNeXt101_
32x48d_wsl		 0.8626 0.9797 160.0838242 595.99296 354.23 456.2 下载链接
EfficientNetB0 0.7738 0.9331 3.442 6.11476 0.72 5.1 下载链接
EfficientNetB1 0.7915 0.9441 5.3322 9.41795 1.27 7.52 下载链接
EfficientNetB2 0.7985 0.9474 6.29351 10.95702 1.85 8.81 下载链接
EfficientNetB3 0.8115 0.9541 7.67749 16.53288 3.43 11.84 下载链接
EfficientNetB4 0.8285 0.9623 12.15894 30.94567 8.29 18.76 下载链接
EfficientNetB5 0.8362 0.9672 20.48571 61.60252 19.51 29.61 下载链接
EfficientNetB6 0.8400 0.9688 32.62402 - 36.27 42 下载链接
EfficientNetB7 0.8430 0.9689 53.93823 - 72.35 64.92 下载链接
EfficientNetB0_
small		 0.7580 0.9258 2.3076 4.71886 0.72 4.65 下载链接

ResNeSt与RegNet系列

ResNeSt与RegNet系列模型的精度、速度指标如下表所示，更多关于该系列的模型介绍可以参考：ResNeSt与RegNet系列模型文档。

模型 Top-1 Acc Top-5 Acc time(ms)
bs=1		 time(ms)
bs=4		 Flops(G) Params(M) 下载地址
ResNeSt50_
fast_1s1x64d		 0.8035 0.9528 3.45405 8.72680 8.68 26.3 下载链接
ResNeSt50 0.8102 0.9542 6.69042 8.01664 10.78 27.5 下载链接
RegNetX_4GF 0.785 0.9416 6.46478 11.19862 8 22.1 下载链接

许可证书

本项目的发布受Apache 2.0 license许可认证。

贡献代码

我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。

  • 非常感谢nblib修正了PaddleClas中RandErasing的数据增广配置文件。
  • 非常感谢chenpy228修正了PaddleClas文档中的部分错别字。