PaddleX视觉方案介绍¶
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。
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。
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 | 252.4 | - | - | - | 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。
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 | - | - | - | - | - |