PaddleX視覺方案介紹

PaddleX目前提供了4種視覺任務解決方案，分別爲圖像分類、目標檢測、實例分割和語義分割。用戶可以根據自己的任務類型按需選取。

圖像分類

圖像分類任務指的是輸入一張圖片，模型預測圖片的類別，如識別爲風景、動物、車等。

對於圖像分類任務，針對不同的應用場景，PaddleX提供了百度改進的模型，見下表所示

模型	模型大小	GPU預測速度	CPU預測速度	ARM芯片預測速度	準確率	備註
MobileNetV3_small_ssld	12M	-	-	-	71.3%	適用於移動端場景
MobileNetV3_large_ssld	21M	-	-	-	79.0%	適用於移動端/服務端場景
ResNet50_vd_ssld	102.8MB	-	-	-	82.4%	適用於服務端場景
ResNet101_vd_ssld	179.2MB	-	-	-	83.7%	適用於服務端場景

除上述模型外，PaddleX還支持近20種圖像分類模型，模型列表可參考PaddleX模型庫

目標檢測

目標檢測任務指的是輸入圖像，模型識別出圖像中物體的位置（用矩形框框出來，並給出框的位置），和物體的類別，如在手機等零件質檢中，用於檢測外觀上的瑕疵等。

對於目標檢測，針對不同的應用場景，PaddleX提供了主流的YOLOv3模型和Faster-RCNN模型，見下表所示

模型	模型大小	GPU預測速度	CPU預測速度	ARM芯片預測速度	BoxMAP	備註
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同時也支持FasterRCNN模型，支持FPN結構和5種backbone網絡，詳情可參考PaddleX模型庫

實例分割

在目標檢測中，模型識別出圖像中物體的位置和物體的類別。而實例分割則是在目標檢測的基礎上，做了像素級的分類，將框內的屬於目標物體的像素識別出來。

PaddleX目前提供了實例分割MaskRCNN模型，支持5種不同的backbone網絡，詳情可參考PaddleX模型庫

模型	模型大小	GPU預測速度	CPU預測速度	ARM芯片預測速度	BoxMAP	SegMAP	備註
MaskRCNN-ResNet50_vd-FPN	185.5M	-	-	-	39.8	35.4
MaskRCNN-ResNet101_vd-FPN	268.6M	-	-	-	41.4	36.8

語義分割

語義分割用於對圖像做像素級的分類，應用在人像分類、遙感圖像識別等場景。

對於語義分割，PaddleX也針對不同的應用場景，提供了不同的模型選擇，如下表所示

模型	模型大小	GPU預測速度	CPU預測速度	ARM芯片預測速度	mIOU	備註
DeepLabv3p-MobileNetV2_x0.25		-	-	-	-	-
DeepLabv3p-MobileNetV2_x1.0		-	-	-	-	-
DeepLabv3p-Xception65		-	-	-	-	-
UNet		-	-	-	-	-