Skip to content

PP Models

chenxiaozeng edited this page Nov 29, 2022 · 10 revisions

飞桨PP系列模型

针对用户产业实践中的痛点问题,飞桨打造了PP系列模型,实现模型精度与预测效率的最佳平衡,满足企业落地实际需求。

开发套件 PP系列模型 模型简介 快速开始
PaddleClas PP-LCNet CPU轻量级骨干网络,提供8种不同尺度的模型,在ImageNet 1k分类数据集上,精度可达71.32%,相比MobileNetV3-Small x0.35模型,提高18个百分点,Intel CPU 硬件上预测速度超过400 FPS,相比MobileNetV3-Small x0.35模型提高22%。 快速开始
PaddleClas PP-LCNetv2 基于PP-LCNet优化的轻量级SOTA骨干网络,在ImageNet 1k分类数据集上,精度可达77.04%,相较MobileNetV3-Large x1.25精度提高0.64个百分点,同时在 Intel CPU 硬件上,预测速度可达 230 FPS ,相比 MobileNetV3-Large x1.25 预测速度提高 20% 快速开始
PaddleClas PP-HGNet GPU高性能骨干网络,在ImageNet 1k分类数据集上,精度可达79.83%、81.51%,同等速度下,相较ResNet34-D提高3.8个百分点,相较ResNet50-D提高2.4个百分点,在使用百度自研 SSLD 蒸馏策略后,精度相较ResNet50-D提高4.7个百分点。 快速开始
PaddleClas PP-ShiTu 轻量图像识别系统,集成了目标检测、特征学习、图像检索等模块,广泛适用于各类图像识别任务,CPU上0.2s即可完成在10w+库的图像识别。 快速开始
PaddleClas PP-ShiTuV2 PP-ShiTuV2 是基于 PP-ShiTuV1 改进的一个实用轻量级通用图像识别系统,由主体检测、特征提取、向量检索三个模块构成,相比 PP-ShiTuV1 具有更高的识别精度、更强的泛化能力以及相近的推理速度。 快速开始
PaddleDetection PP-YOLO 基于YOLOv3优化的高精度目标检测模型,精度达到45.9%,在单卡V100上FP32推理速度为72.9 FPS, V100上开启TensorRT下FP16推理速度为155.6 FPS。 快速开始
PaddleDetection PP-YOLOv2 高精度目标检测模型,对比PP-YOLO, 精度提升 3.6%,达到49.5%;在 640*640 的输入尺寸下,速度可实现68.9FPS,采用 TensorRT 加速,FPS 还可达到106.5FPS。 快速开始
PaddleDetection PP-YOLOE 高精度云边一体SOTA目标检测模型,提供s/m/l/x版本,l版本COCO test2017数据集精度51.4%,V100预测速度78.1 FPS,支持混合精度训练,训练较PP-YOLOv2加速33%,全系列多尺度模型满足不同硬件算力需求,可适配服务器、边缘端GPU及其他服务器端AI加速卡。 快速开始
PaddleDetection PP-YOLOE+ PP-YOLOE升级版,最高精度提升2.4% mAP,达到54.9% mAP,模型训练收敛速度提升3.75倍,端到端预测速度最高提升2.3倍;多个下游任务泛化性提升。 快速开始
PaddleDetection PP-PicoDet 超轻量级目标检测模型,提供xs/s/m/l四种尺寸,其中s版本参数量仅1.18m,却可达到32.5%mAP,相较YOLOX-Nano精度高6.7%,速度快26%,同时优化量化部署方案,实现在移动端部署加速30%+。 快速开始
PaddleDetection PP-Tracking 实时多目标跟踪工具,融合目标检测、行人重识别、轨迹融合等核心能力,提供行人车辆跟踪、跨镜头跟踪、多类别跟踪、小目标跟踪及流量技术等能力与产业应用。 快速开始
PaddleDetection PP-TinyPose 超轻量级人体关键点检测算法,单人场景FP16推理可达到122FPS、精度51.8%AP,具有精度高速度快、检测人数无限制、微小目标效果好的特点。 快速开始
PaddleDetection PP-TinyPose+ PP-TinyPose升级版,在健身、舞蹈等场景的业务数据集端到端AP提升9.1;新增体育场景真实数据,复杂动作识别效果显著提升;覆盖侧身、卧躺、跳跃、高抬腿等非常规动作;检测模型升级为PP-PicoDet增强版,在COCO数据集上精度提升3.1%;关键点稳定性增强;新增滤波稳定方式,视频预测结果更加稳定平滑 快速开始
PaddleDetection PP-Human 产业级实时行人分析工,支持属性分析、行为识别、流量计数/轨迹留存三大功能,覆盖目标检测、多目标跟踪、属性识别、关键点检测、行为识别和跨镜跟踪六大核心技术。 快速开始
PaddleDetection PP-HumanV2 新增打架、打电话、抽烟、闯入四大行为识别,底层算法性能升级,覆盖行人检测、跟踪、属性三类核心算法能力,提供保姆级全流程开发及模型优化策略。 快速开始
PaddleDetection PP-Vehicle 提供车牌识别、车辆属性分析(颜色、车型)、车流量统计以及违章检测四大功能,完善的文档教程支持高效完成二次开发与模型优化。 快速开始
PaddleSeg PP-HumanSeg PP-HumanSeg是在大规模人像数据上训练的人像分割系列模型,提供了多种模型,满足在Web端、移动端、服务端多种使用场景的需求。其中PP-HumanSeg-Lite采用轻量级网络设计、连通性学习策略、非结构化稀疏技术,实现体积、速度和精度的SOTA平衡。(参数量137K,速度达95FPS,mIoU达93%) 快速开始
PaddleSeg PP-HumanSegV2 PP-HumanSegV2是PP-HumanSeg的改进版本,肖像分割模型的推理耗时减小45.5%、mIoU提升3.03%、可视化效果更佳,通用人像分割模型的推理速度和精度也有明显提升。 快速开始
PaddleSeg PP-HumanMatting PP-HumanMatting通过低分辨粗预测和高分辨率Refine的两阶段设计,在增加小量计算量的情况下,有效保持了高分辨率(>2048)人像扣图中细节信息。 快速开始
PaddleSeg PP-LiteSeg PP-LiteSeg是通用轻量级语义分割模型,使用灵活高效的解码模块、统一注意力融合模块、轻量的上下文模块,针对Nvidia GPU上的产业级分割任务,实现精度和速度的SOTA平衡。在1080ti上精度为mIoU 72.0(Cityscapes数据集)时,速度高达273.6 FPS 快速开始
PaddleSeg PP-Matting PP-Matting 通过引导流设计,实现语义引导下的高分辨率细节预测,进而实现trimap-free高精度图像抠图。在公开数据集Composition-1k和Distinctions-646测试集取得了SOTA的效果 。 快速开始
PaddleSeg PP-MattingV2 PP-MattingV2是PaddleSeg自研的轻量级抠图SOTA模型,通过双层金字塔池化及空间注意力提取高级语义信息,并利用多级特征融合机制兼顾语义和细节的预测。 对比MODNet模型推理速度提升44.6%, 误差平均相对减小17.91%。追求更高速度,推荐使用该模型。 快速开始
PaddleOCR PP-OCR PP-OCR是一个两阶段超轻量OCR系统,包括文本检测、方向分类器、文本识别三个部分,支持竖排文本识别。PP-OCR mobile中英文模型3.5M,英文数字模型2.8M。在通用场景下达到产业级SOTA标准 快速开始
PaddleOCR PP-OCRv2 PP-OCRv2在PP-OCR的基础上进行优化,平衡PP-OCR模型的精度和速度,效果相比PP-OCR mobile 提升7%;推理速度相比于PP-OCR server提升220%;支持80种多语言模型 快速开始
PaddleOCR PP-OCRv3 PP-OCRv3进一步在原先系统上优化,在中文场景效果相比于PP-OCRv2再提升5%,英文场景提升11%,80语种多语言模型平均识别准确率提升5%以上 快速开始
PaddleOCR PP-Structure PP-Structure是一套智能文档分析系统,支持版面分析、表格识别(含Excel导出)、关键信息提取与DocVQA(含语义实体识别和关系抽取) 快速开始
PaddleOCR PP-StructureV2 基于PP-Structure系统功能性能全面升级,适配中文场景,新增支持版面复原,支持一行命令完成PDF转Word 快速开始
PaddeleGAN PP-MSVSR 高精度视频超分算法,提供1.45M和7.4M两种参数量大小的模型,峰值信噪比与结构相似度均高于其他开源算法,以PSNR 32.53、SSIM 0.9083达到业界SOTA,同时对输入视频的分辨率不限制,支持分辨率一次提升400%。 快速开始
PaddleVideo PP-TSM 高精度2D实用视频分类模型PP-TSM。在不增加参数量和计算量的情况下,在UCF-101、Kinetics-400等数据集上精度显著超过TSM原始模型 快速开始
PaddleVideo PP-TSMv2 PP-TSMv2沿用了部分PP-TSM的优化策略,从骨干网络与预训练模型选择、数据增强、tsm模块调优、输入帧数优化、解码速度优化、dml蒸馏、新增时序attention模块等7个方面进行模型调优,在中心采样评估方式下,精度达到75.16%,输入10s视频在CPU端的推理速度仅需456ms。 快速开始
PaddleNLP ERNIE-M 面向多语言建模的预训练模型,ERNIE-M 提出基于回译机制,从单语语料中学习语言间的语义对齐关系,在跨语言自然语言推断、语义检索、语义相似度、命名实体识别、阅读理解等各种跨语言下游任务中取得了 SOTA 效果。 快速开始
PaddleNLP ERNIE-UIE 通用信息抽取模型,实现了实体抽取、关系抽取、事件抽取、情感分析等任务的统一建模,并使得不同任务间具备良好的迁移和泛化能力。支持文本、跨模态文档的信息抽取。支持中、英、中英混合文本抽取。零样本和小样本能力卓越。 快速开始
PaddleNLP ERNIE 3.0-Medium 文本领域预训练模型,在文心大模型 ERNIE 3.0 基础上通过在线蒸馏技术得到的轻量级模型,CLUE 评测验证其在同等规模模型(6-layer, 768-hidden, 12-heads)中效果SOTA。 快速开始
PaddleNLP ERNIE 3.0-Mini 文本领域预训练模型,在文心大模型 ERNIE 3.0 基础上通过在线蒸馏技术得到的轻量级模型,CLUE 评测验证其在同等规模模型(6-layer, 384-hidden, 12-heads)中效果SOTA。 快速开始
PaddleNLP ERNIE 3.0-Micro 文本领域预训练模型,在文心大模型 ERNIE 3.0 基础上通过在线蒸馏技术得到的轻量级模型,CLUE 评测验证其在同等规模模型(4-layer, 384-hidden, 12-heads)中效果SOTA。 快速开始
PaddleNLP ERNIE 3.0-Nano 文本领域预训练模型,在文心大模型 ERNIE 3.0 基础上通过在线蒸馏技术得到的轻量级模型,CLUE 评测验证其在同等规模模型(4-layer, 312-hidden, 12-heads)中效果SOTA。 快速开始
PaddleNLP ERNIE-Layout 多语言跨模态布局增强文档智能大模型,将布局知识增强技术融入跨模态文档预训练,在4项文档理解任务上刷新世界最好效果,登顶 DocVQA 榜首。 快速开始
PaddleNLP ERNIE-ViL 业界首个融合场景图知识的多模态预训练模型,在包括视觉常识推理、视觉问答、引用表达式理解、跨模态图像检索、跨模态文本检索等 5 项典型多模态任务中刷新了世界最好效果,并在多模态领域权威榜单视觉常识推理任务(VCR)上登顶榜首。 快速开始
PaddleSpeech PP-ASR PP-ASR是一套基于端到端神经网络结构模型的流式语音识别系统,支持实时语音识别服务,支持Language Model解码与个性化识别 快速开始
PaddleSpeech PP-TTS PP-TTS是一套基于基于端到端神经网络结构的流式语音合成系统,支持流式声学模型与流式声码器,开源快速部署流式合成服务方案 快速开始
PaddleSpeech PP-VPR PP-VPR是一套声纹提取与检索系统,使用ECAPA-TDNN模型提取声纹特征,识别等错误率(EER,Equal error rate)低至0.95%,并且通过串联Mysql和Milvus,搭建完整的音频检索系统,实现毫秒级声音检索。 快速开始
PaddleSpeech ERNIE-SAT 语音-语言跨模态大模型文心 ERNIE-SAT 在语音编辑、个性化语音合成以及跨语言的语音合成等多个任务取得了领先效果,可以应用于语音编辑、个性化合成、语音克隆、同传翻译等一系列场景 快速开始
Clone this wiki locally