Hugging Face's logo

Spaces:
hsienchen
/
YOLOW
Sleeping

App Files Community
YOLOW / third_party /mmyolo /docs /zh_cn /model_zoo.md
stevengrove
initial commit
186701e
preview code
|
raw
history blame
9.07 kB

模型库和评测

本页面用于汇总 MMYOLO 中支持的各类模型性能和相关评测指标，方便用户对比分析。

COCO 数据集

Model Arch Size Batch Size Epoch SyncBN AMP Mem (GB) Params(M) FLOPs(G) TRT-FP16-GPU-Latency(ms) Box AP TTA Box AP
YOLOv5-n P5 640 8xb16 300 Yes Yes 1.5 1.87 2.26 1.14 28.0 30.7
YOLOv6-v2.0-n P5 640 8xb32 400 Yes Yes 6.04 4.32 5.52 1.37 36.2
YOLOv8-n P5 640 8xb16 500 Yes Yes 2.5 3.16 4.4 1.53 37.4 39.9
RTMDet-tiny P5 640 8xb32 300 Yes No 11.9 4.90 8.09 2.31 41.8 43.2
YOLOv6-v2.0-tiny P5 640 8xb32 400 Yes Yes 8.13 9.70 12.37 2.19 41.0
YOLOv7-tiny P5 640 8xb16 300 Yes Yes 2.7 6.23 6.89 1.88 37.5
YOLOX-tiny P5 416 8xb32 300 No Yes 4.9 5.06 7.63 1.19 34.3
RTMDet-s P5 640 8xb32 300 Yes No 16.3 8.89 14.84 2.89 45.7 47.3
YOLOv5-s P5 640 8xb16 300 Yes Yes 2.7 7.24 8.27 1.89 37.7 40.2
YOLOv6-v2.0-s P5 640 8xb32 400 Yes Yes 8.88 17.22 21.94 2.67 44.0
YOLOv8-s P5 640 8xb16 500 Yes Yes 4.0 11.17 14.36 2.61 45.1 46.8
YOLOX-s P5 640 8xb32 300 No Yes 9.8 8.97 13.40 2.38 41.9
PPYOLOE+ -s P5 640 8xb8 80 Yes No 4.7 7.93 8.68 2.54 43.5
RTMDet-m P5 640 8xb32 300 Yes No 29.0 24.71 39.21 6.23 50.2 51.9
YOLOv5-m P5 640 8xb16 300 Yes Yes 5.0 21.19 24.53 4.28 45.3 46.9
YOLOv6-v2.0-m P5 640 8xb32 300 Yes Yes 16.69 34.25 40.7 5.12 48.4
YOLOv8-m P5 640 8xb16 500 Yes Yes 7.0 25.9 39.57 5.78 50.6 52.3
YOLOX-m P5 640 8xb32 300 No Yes 17.6 25.33 36.88 5.31 47.5
PPYOLOE+ -m P5 640 8xb8 80 Yes No 8.4 23.43 24.97 5.47 49.5
RTMDet-l P5 640 8xb32 300 Yes No 45.2 52.32 80.12 10.13 52.3 53.7
YOLOv5-l P5 640 8xb16 300 Yes Yes 8.1 46.56 54.65 6.8 48.8 49.9
YOLOv6-v2.0-l P5 640 8xb32 300 Yes Yes 20.86 58.53 71.43 8.78 51.0
YOLOv7-l P5 640 8xb16 300 Yes Yes 10.3 36.93 52.42 6.63 50.9
YOLOv8-l P5 640 8xb16 500 Yes Yes 9.1 43.69 82.73 8.97 53.0 54.4
YOLOX-l P5 640 8xb8 300 No Yes 8.0 54.21 77.83 9.23 50.1
PPYOLOE+ -l P5 640 8xb8 80 Yes No 13.2 52.20 55.05 8.2 52.6
RTMDet-x P5 640 8xb32 300 Yes No 63.4 94.86 145.41 17.89 52.8 54.2
YOLOv7-x P5 640 8xb16 300 Yes Yes 13.7 71.35 95.06 11.63 52.8
YOLOv8-x P5 640 8xb16 500 Yes Yes 12.4 68.23 132.10 14.22 54.0 55.0
YOLOX-x P5 640 8xb8 300 No Yes 9.8 99.07 144.39 15.35 51.4
PPYOLOE+ -x P5 640 8xb8 80 Yes No 19.1 98.42 105.48 14.02 54.2
YOLOv5-n P6 1280 8xb16 300 Yes Yes 5.8 3.25 2.30 35.9
YOLOv5-s P6 1280 8xb16 300 Yes Yes 10.5 12.63 8.45 44.4
YOLOv5-m P6 1280 8xb16 300 Yes Yes 19.1 35.73 25.05 51.3
YOLOv5-l P6 1280 8xb16 300 Yes Yes 30.5 76.77 55.77 53.7
YOLOv7-w P6 1280 8xb16 300 Yes Yes 27.0 82.31 45.07 54.1
YOLOv7-e P6 1280 8xb16 300 Yes Yes 42.5 114.69 64.48 55.1
  • 所有模型均使用 COCO train2017 作为训练集，在 COCO val2017 上验证精度
  • TRT-FP16-GPU-Latency(ms) 是指在 NVIDIA Tesla T4 设备上采用 TensorRT 8.4，batch size 为 1， 测试 shape 为 640x640 且仅包括模型 forward 的 GPU Compute time (YOLOX-tiny 测试 shape 是 416x416)
  • 模型参数量和 FLOPs 是采用 get_flops 脚本得到，不同的运算方式可能略有不同
  • RTMDet 性能是通过 MMRazor 知识蒸馏 训练后的结果
  • MMYOLO 中暂时只实现了 YOLOv6 2.0 版本，并且 L 和 M 为没有经过知识蒸馏的结果
  • YOLOv8 是引入了实例分割标注优化后的结果，YOLOv5、YOLOv6 和 YOLOv7 没有采用实例分割标注优化
  • PPYOLOE+ 使用 Obj365 作为预训练权重，因此 COCO 训练的 epoch 数只需要 80
  • YOLOX-tiny、YOLOX-s 和 YOLOX-m 为采用了 RTMDet 中所提优化器参数训练所得，性能相比原始实现有不同程度提升

详情见如下内容

VOC 数据集

Backbone size Batchsize AMP Mem (GB) box AP(COCO metric)
YOLOv5-n 512 64 Yes 3.5 51.2
YOLOv5-s 512 64 Yes 6.5 62.7
YOLOv5-m 512 64 Yes 12.0 70.1
YOLOv5-l 512 32 Yes 10.0 73.1

详情见如下内容

CrowdHuman 数据集

Backbone size SyncBN AMP Mem (GB) ignore_iof_thr box AP50(CrowDHuman Metric) MR JI
YOLOv5-s 640 Yes Yes 2.6 -1 85.79 48.7 75.33
YOLOv5-s 640 Yes Yes 2.6 0.5 86.17 48.8 75.87

详情见如下内容

DOTA 1.0 数据集