目标检测

介绍

PaddleX目前提供了FasterRCNN和YOLOv3两种检测结构,多种backbone模型,可满足开发者不同场景和性能的需求。

  • Box MMAP: 模型在COCO数据集上的测试精度
  • 预测速度:单张图片的预测用时(不包括预处理和后处理)
  • “-”表示指标暂未更新
模型(点击获取代码) Box MMAP 模型大小 GPU预测速度 Arm预测速度 备注
YOLOv3-MobileNetV1 29.3% 99.2MB 15.442ms - 模型小,预测速度快,适用于低性能或移动端设备
YOLOv3-MobileNetV3 31.6% 100.7MB 143.322ms - 模型小,移动端上预测速度有优势
YOLOv3-DarkNet53 38.9% 249.2MB 42.672ms - 模型较大,预测速度快,适用于服务端
PPYOLO 45.9% 329.1MB - - 模型较大,预测速度比YOLOv3-DarkNet53更快,适用于服务端
FasterRCNN-ResNet50-FPN 37.2% 167.7MB 197.715ms - 模型精度高,适用于服务端部署
FasterRCNN-ResNet18-FPN 32.6% 173.2MB - - 模型精度高,适用于服务端部署
FasterRCNN-HRNet-FPN 36.0% 115.MB 81.592ms - 模型精度高,预测速度快,适用于服务端部署

开始训练

将代码保存到本地后运行(代码下载链接位于上面的表格),代码会自动下载训练数据并开始训练。如保存为yolov3_mobilenetv1.py,执行如下命令即可开始训练:

python yolov3_mobilenetv1.py

相关文档