MaochengHu 576cda45b8 first commit | 2 years ago | |
---|---|---|
.. | ||
_base_ | 2 years ago | |
legacy_model | 2 years ago | |
README.md | 2 years ago | |
README_cn.md | 2 years ago | |
README_en.md | 2 years ago | |
picodet_l_320_coco_lcnet.yml | 2 years ago | |
picodet_l_416_coco_lcnet.yml | 2 years ago | |
picodet_l_640_coco_lcnet.yml | 2 years ago | |
picodet_m_320_coco_lcnet.yml | 2 years ago | |
picodet_m_416_coco_lcnet.yml | 2 years ago | |
picodet_s_320_coco_lcnet.yml | 2 years ago | |
picodet_s_416_coco_lcnet.yml | 2 years ago | |
picodet_xs_320_coco_lcnet.yml | 2 years ago | |
picodet_xs_416_coco_lcnet.yml | 2 years ago |
简体中文 | English
PaddleDetection中提出了全新的轻量级系列模型PP-PicoDet
,在移动端具有卓越的性能,成为全新SOTA轻量级模型。详细的技术细节可以参考我们的arXiv技术报告。
PP-PicoDet模型有如下特点:
mAP(0.5:0.95)
超越30+(输入416像素时)。模型 | 输入尺寸 | mAPval 0.5:0.95 | mAPval 0.5 | 参数量 (M) | FLOPS (G) | 预测时延CPU (ms) 预测时延Lite |
(ms) 权重下载 |
配置文件 |
导出模型 |
PicoDet-XS |
320*320 |
23.5 |
36.1 |
0.70 |
0.67 |
3.9ms |
7.81ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-XS |
416*416 |
26.2 |
39.3 |
0.70 |
1.13 |
6.1ms |
12.38ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-S |
320*320 |
29.1 |
43.4 |
1.18 |
0.97 |
4.8ms |
9.56ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-S |
416*416 |
32.5 |
47.6 |
1.18 |
1.65 |
6.6ms |
15.20ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-M |
320*320 |
34.4 |
50.0 |
3.46 |
2.57 |
8.2ms |
17.68ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-M |
416*416 |
37.5 |
53.4 |
3.46 |
4.34 |
12.7ms |
28.39ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-L |
320*320 |
36.1 |
52.0 |
5.80 |
4.20 |
11.5ms |
25.21ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-L |
416*416 |
39.4 |
55.7 |
5.80 |
7.10 |
20.7ms |
42.23ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
PicoDet-L |
640*640 |
42.6 |
59.2 |
5.80 |
16.81 |
62.5ms |
108.1ms |
model | log |
config |
w/ 后处理 | w/o 后处理 |
|
---|
模型 | 输入尺寸 | mAPval 0.5:0.95 | mAPval 0.5 | 参数量 (M) | FLOPS (G) | 预测时延NCNN (ms) |
---|---|---|---|---|---|---|
YOLOv3-Tiny | 416*416 | 16.6 | 33.1 | 8.86 | 5.62 | 25.42 |
YOLOv4-Tiny | 416*416 | 21.7 | 40.2 | 6.06 | 6.96 | 23.69 |
PP-YOLO-Tiny | 320*320 | 20.6 | - | 1.08 | 0.58 | 6.75 |
PP-YOLO-Tiny | 416*416 | 22.7 | - | 1.08 | 1.02 | 10.48 |
Nanodet-M | 320*320 | 20.6 | - | 0.95 | 0.72 | 8.71 |
Nanodet-M | 416*416 | 23.5 | - | 0.95 | 1.2 | 13.35 |
Nanodet-M 1.5x | 416*416 | 26.8 | - | 2.08 | 2.42 | 15.83 |
YOLOX-Nano | 416*416 | 25.8 | - | 0.91 | 1.08 | 19.23 |
YOLOX-Tiny | 416*416 | 32.8 | - | 5.06 | 6.45 | 32.77 |
YOLOv5n | 640*640 | 28.4 | 46.0 | 1.9 | 4.5 | 40.35 |
YOLOv5s | 640*640 | 37.2 | 56.0 | 7.2 | 16.5 | 78.05 |
模型 | 输入尺寸 | ONNX( w/o 后处理) | Paddle Lite(fp32) | Paddle Lite(fp16) |
---|---|---|---|---|
PicoDet-XS | 320*320 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-XS | 416*416 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-S | 320*320 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-S | 416*416 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-M | 320*320 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-M | 416*416 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-L | 320*320 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-L | 416*416 | ( w/ 后处理) | ( w/o 后处理) | model | model |
PicoDet-L | 640*640 | ( w/ 后处理) | ( w/o 后处理) | model | model |
预测库 | Python | C++ | 带后处理预测 |
---|---|---|---|
OpenVINO | Python | C++(带后处理开发中) | ✔︎ |
Paddle Lite | - | C++ | ✔︎ |
Android Demo | - | Paddle Lite | ✔︎ |
PaddleInference | Python | C++ | ✔︎ |
ONNXRuntime | Python | Coming soon | ✔︎ |
NCNN | Coming soon | C++ | ✘ |
MNN | Coming soon | C++ | ✘ |
Android demo可视化:
依赖包:
安装:
pip install paddleslim==2.2.2
量化训练
开始量化训练:
python tools/train.py -c configs/picodet/picodet_s_416_coco_lcnet.yml \
--slim_config configs/slim/quant/picodet_s_416_lcnet_quant.yml --eval
量化模型 | 输入尺寸 | mAPval 0.5:0.95 | Configs | Weight | Inference Model | Paddle Lite(INT8) |
---|---|---|---|---|---|---|
PicoDet-S | 416*416 | 31.5 | config | slim config | model | w/ 后处理 | w/o 后处理 | w/ 后处理 | w/o 后处理 |