PaddleX模型列表（昇腾 NPU）

June 26, 2025 · View on GitHub

PaddleX 内置了多条产线，每条产线都包含了若干模块，每个模块包含若干模型，具体使用哪些模型，您可以根据下边的 benchmark 数据来选择。如您更考虑模型精度，请选择精度较高的模型，如您更考虑模型存储大小，请选择存储大小较小的模型。

图像分类模块

模型名称 Top1 Acc（%） 模型存储大小（MB） 模型下载链接
CLIP_vit_base_patch16_224 85.36 306.5 推理模型/训练模型
CLIP_vit_large_patch14_224 88.1 1040 推理模型/训练模型
ConvNeXt_base_224 83.84 313.9 推理模型/训练模型
ConvNeXt_base_384 84.90 313.9 推理模型/训练模型
ConvNeXt_large_224 84.26 700.7 推理模型/训练模型
ConvNeXt_large_384 85.27 700.7 推理模型/训练模型
ConvNeXt_small 83.13 178.0 推理模型/训练模型
ConvNeXt_tiny 82.03 101.4 推理模型/训练模型
MobileNetV1_x0_5 63.5 4.8 推理模型/训练模型
MobileNetV1_x0_25 51.4 1.8 推理模型/训练模型
MobileNetV1_x0_75 68.8 9.3 推理模型/训练模型
MobileNetV1_x1_0 71.0 15.2 推理模型/训练模型
MobileNetV2_x0_5 65.0 7.1 推理模型/训练模型
MobileNetV2_x0_25 53.2 5.5 推理模型/训练模型
MobileNetV2_x1_0 72.2 12.6 推理模型/训练模型
MobileNetV2_x1_5 74.1 25.0 推理模型/训练模型
MobileNetV2_x2_0 75.2 41.2 推理模型/训练模型
MobileNetV3_large_x0_5 69.2 9.6 推理模型/训练模型
MobileNetV3_large_x0_35 64.3 7.5 推理模型/训练模型
MobileNetV3_large_x0_75 73.1 14.0 推理模型/训练模型
MobileNetV3_large_x1_0 75.3 19.5 推理模型/训练模型
MobileNetV3_large_x1_25 76.4 26.5 推理模型/训练模型
MobileNetV3_small_x0_5 59.2 6.8 推理模型/训练模型
MobileNetV3_small_x0_35 53.0 6.0 推理模型/训练模型
MobileNetV3_small_x0_75 66.0 8.5 推理模型/训练模型
MobileNetV3_small_x1_0 68.2 10.5 推理模型/训练模型
MobileNetV3_small_x1_25 70.7 13.0 推理模型/训练模型
MobileNetV4_conv_large 83.4 125.2 推理模型/训练模型
MobileNetV4_conv_medium 79.9 37.6 推理模型/训练模型
MobileNetV4_conv_small 74.6 14.7 推理模型/训练模型
MobileNetV4_hybrid_large 83.8 145.1 推理模型/训练模型
MobileNetV4_hybrid_medium 80.5 42.9 推理模型/训练模型
PP-HGNet_base 85.0 249.4 推理模型/训练模型
PP-HGNet_small 81.51 86.5 推理模型/训练模型
PP-HGNet_tiny 79.83 52.4 推理模型/训练模型
PP-HGNetV2-B0 77.77 21.4 推理模型/训练模型
PP-HGNetV2-B1 79.18 22.6 推理模型/训练模型
PP-HGNetV2-B2 81.74 39.9 推理模型/训练模型
PP-HGNetV2-B3 82.98 57.9 推理模型/训练模型
PP-HGNetV2-B4 83.57 70.4 推理模型/训练模型
PP-HGNetV2-B5 84.75 140.8 推理模型/训练模型
PP-HGNetV2-B6 86.30 268.4 推理模型/训练模型
PP-LCNet_x0_5 63.14 6.7 推理模型/训练模型
PP-LCNet_x0_25 51.86 5.5 推理模型/训练模型
PP-LCNet_x0_35 58.09 5.9 推理模型/训练模型
PP-LCNet_x0_75 68.18 8.4 推理模型/训练模型
PP-LCNet_x1_0 71.32 10.5 推理模型/训练模型
PP-LCNet_x1_5 73.71 16.0 推理模型/训练模型
PP-LCNet_x2_0 75.18 23.2 推理模型/训练模型
PP-LCNet_x2_5 76.60 32.1 推理模型/训练模型
PP-LCNetV2_base 77.05 23.7 推理模型/训练模型
PP-LCNetV2_large 78.51 37.3 推理模型/训练模型
PP-LCNetV2_small 73.97 14.6 推理模型/训练模型
ResNet18_vd 72.3 41.5 推理模型/训练模型
ResNet18 71.0 41.5 推理模型/训练模型
ResNet34_vd 76.0 77.3 推理模型/训练模型
ResNet34 74.6 77.3 推理模型/训练模型
ResNet50_vd 79.1 90.8 推理模型/训练模型
ResNet50 76.5 90.8 推理模型/训练模型
ResNet101_vd 80.2 158.4 推理模型/训练模型
ResNet101 77.6 158.7 推理模型/训练模型
ResNet152_vd 80.6 214.3 推理模型/训练模型
ResNet152 78.3 214.2 推理模型/训练模型
ResNet200_vd 80.9 266.0 推理模型/训练模型
SwinTransformer_base_patch4_window7_224 83.37 310.5 推理模型/训练模型
SwinTransformer_base_patch4_window12_384 84.17 311.4 推理模型/训练模型
SwinTransformer_large_patch4_window7_224 86.19 694.8 推理模型/训练模型
SwinTransformer_large_patch4_window12_384 87.06 696.1 推理模型/训练模型
SwinTransformer_small_patch4_window7_224 83.21 175.6 推理模型/训练模型
SwinTransformer_tiny_patch4_window7_224 81.10 100.1 推理模型/训练模型
StarNet-S1 73.6 11.2 推理模型/训练模型
StarNet-S2 74.8 14.3 推理模型/训练模型
StarNet-S3 77.0 22.2 推理模型/训练模型
StarNet-S4 79.0 28.9 推理模型/训练模型
FasterNet-L 83.5 357.1 推理模型/训练模型
FasterNet-M 83.0 204.6 推理模型/训练模型
FasterNet-S 81.3 119.3 推理模型/训练模型
FasterNet-T0 71.9 15.1 推理模型/训练模型
FasterNet-T1 75.9 29.2 推理模型/训练模型
FasterNet-T2 79.1 57.4 推理模型/训练模型
注：以上精度指标为[ImageNet-1k](https://www.image-net.org/index.php)验证集 Top1 Acc。

图像多标签分类模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
CLIP_vit_base_patch16_448_ML 89.15 325.6 推理模型/训练模型
PP-HGNetV2-B0_ML 80.98 7.15 / 1.77 推理模型/训练模型 PP-HGNetV2-B4_ML 21.35 / 8.19 88.5 推理模型/训练模型
PP-HGNetV2-B6_ML 91.06 286.5 推理模型/训练模型
PP-LCNet_x1_0_ML 77.96 29.4 推理模型/训练模型
ResNet50_ML 83.42 108.9 推理模型/训练模型
注：以上精度指标为 [COCO2017](https://cocodataset.org/#home) 的多标签分类任务mAP。

行人属性模块

模型名称 mA（%） 模型存储大小（MB） 模型下载链接
PP-LCNet_x1_0_pedestrian_attribute 92.2 6.7 推理模型/训练模型
注：以上精度指标为 PaddleX 内部自建数据集mA。

车辆属性模块

模型名称 mA（%） 模型存储大小（MB） 模型下载链接
PP-LCNet_x1_0_vehicle_attribute 91.7 6.7 推理模型/训练模型
注：以上精度指标为 VeRi 数据集 mA。

目标检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
Cascade-FasterRCNN-ResNet50-FPN 41.1 245.4 推理模型/训练模型
Cascade-FasterRCNN-ResNet50-vd-SSLDv2-FPN 45.0 246.2 推理模型/训练模型
CenterNet-DLA-34 37.6 75.4 推理模型/训练模型
CenterNet-ResNet50 38.9 319.7 推理模型/训练模型
DETR-R50 42.3 159.3 推理模型/训练模型
FasterRCNN-ResNet34-FPN 37.8 137.5 推理模型/训练模型
FasterRCNN-ResNet50 36.7 120.2 推理模型/训练模型
FasterRCNN-ResNet50-FPN 38.4 148.1 推理模型/训练模型
FasterRCNN-ResNet50-vd-FPN 39.5 148.1 推理模型/训练模型
FasterRCNN-ResNet50-vd-SSLDv2-FPN 41.4 148.1 推理模型/训练模型
FasterRCNN-ResNet101 39.0 188.1 推理模型/训练模型
FasterRCNN-ResNet101-FPN 41.4 216.3 推理模型/训练模型
FasterRCNN-ResNeXt101-vd-FPN 43.4 360.6 推理模型/训练模型
FasterRCNN-Swin-Tiny-FPN 42.6 159.8 推理模型/训练模型
FCOS-ResNet50 39.6 124.2 推理模型/训练模型
PicoDet-L 42.6 20.9 推理模型/训练模型
PicoDet-M 37.5 16.8 推理模型/训练模型
PicoDet-S 29.1 4.4 推理模型/训练模型
PicoDet-XS 26.2 5.7 推理模型/训练模型
PP-YOLOE_plus-L 52.9 185.3 推理模型/训练模型
PP-YOLOE_plus-M 49.8 83.2 推理模型/训练模型
PP-YOLOE_plus-S 43.7 28.3 推理模型/训练模型
PP-YOLOE_plus-X 54.7 349.4 推理模型/训练模型
RT-DETR-H 56.3 435.8 推理模型/训练模型
RT-DETR-L 53.0 113.7 推理模型/训练模型
RT-DETR-R18 46.5 70.7 推理模型/训练模型
RT-DETR-R50 53.1 149.1 推理模型/训练模型
RT-DETR-X 54.8 232.9 推理模型/训练模型
YOLOv3-DarkNet53 39.1 219.7 推理模型/训练模型
YOLOv3-MobileNetV3 31.4 83.8 推理模型/训练模型
YOLOv3-ResNet50_vd_DCN 40.6 163.0 推理模型/训练模型
注：以上精度指标为[COCO2017](https://cocodataset.org/#home)验证集 mAP(0.5:0.95)。

小目标检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
PP-YOLOE_plus_SOD-S 25.1 77.3 推理模型/训练模型
PP-YOLOE_plus_SOD-L 31.9 325.0 推理模型/训练模型
PP-YOLOE_plus_SOD-largesize-L 42.7 340.5 推理模型/训练模型
YOLOX-S 40.4 32.0 推理模型/训练模型
YOLOX-T 32.9 18.1 推理模型/训练模型
YOLOX-M 46.9 90.0 推理模型/训练模型
YOLOX-N 26.1 3.4 推理模型/训练模型
注：以上精度指标为 [VisDrone-DET](https://github.com/VisDrone/VisDrone-Dataset) 验证集 mAP(0.5:0.95)。

行人检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
PP-YOLOE-L_human 48.0 196.1 推理模型/训练模型
PP-YOLOE-S_human 42.5 28.8 推理模型/训练模型
注：以上精度指标为 [CrowdHuman](https://bj.bcebos.com/v1/paddledet/data/crowdhuman.zip) 验证集 mAP(0.5:0.95)。

语义分割模块

模型名称 mloU（%） 模型存储大小（MB） 模型下载链接
Deeplabv3_Plus-R50 80.36 94.9 推理模型/训练模型
Deeplabv3_Plus-R101 81.10 162.5 推理模型/训练模型
Deeplabv3-R50 79.90 138.3 推理模型/训练模型
Deeplabv3-R101 80.85 205.9 推理模型/训练模型
OCRNet_HRNet-W18 80.67 43.1 推理模型/训练模型
OCRNet_HRNet-W48 82.15 249.8 推理模型/训练模型
PP-LiteSeg-T 77.04 31 推理模型/训练模型
SegFormer-B0 (slice) 76.73 13.2 推理模型/训练模型
SegFormer-B1 (slice) 78.35 48.5 推理模型/训练模型
SegFormer-B2 (slice) 81.60 96.9 推理模型/训练模型
SegFormer-B3 (slice) 82.47 167.3 推理模型/训练模型
SegFormer-B4 (slice) 82.38 226.7 推理模型/训练模型
SegFormer-B5 (slice) 82.58 229.7 推理模型/训练模型
注：以上精度指标为[Cityscapes](https://www.cityscapes-dataset.com/)数据集 mloU。
模型名称 mloU（%） 模型存储大小（MB） 模型下载链接
SeaFormer_base(slice) 40.92 30.8 推理模型/训练模型
SeaFormer_large (slice) 43.66 49.8 推理模型/训练模型
SeaFormer_small (slice) 38.73 14.3 推理模型/训练模型
SeaFormer_tiny (slice) 34.58 6.1 推理模型/训练模型
注：以上精度指标为 [ADE20k](https://groups.csail.mit.edu/vision/datasets/ADE20K/) 数据集, slice 表示对输入图像进行了切图操作。

实例分割模块

模型名称 Mask AP 模型存储大小（MB） 模型下载链接
Mask-RT-DETR-H 50.6 449.9 推理模型/训练模型
Mask-RT-DETR-L 45.7 113.6 推理模型/训练模型
Mask-RT-DETR-M 42.7 66.6 推理模型/训练模型
Mask-RT-DETR-S 41.0 51.8 推理模型/训练模型
Mask-RT-DETR-X 47.5 237.5 推理模型/训练模型
Cascade-MaskRCNN-ResNet50-FPN 36.3 254.8 推理模型/训练模型
Cascade-MaskRCNN-ResNet50-vd-SSLDv2-FPN 39.1 254.7 推理模型/训练模型
MaskRCNN-ResNet50-FPN 35.6 157.5 推理模型/训练模型
MaskRCNN-ResNet50-vd-FPN 36.4 157.5 推理模型/训练模型
MaskRCNN-ResNet50 32.8 127.8 推理模型/训练模型
MaskRCNN-ResNet101-FPN 36.6 225.4 推理模型/训练模型
MaskRCNN-ResNet101-vd-FPN 38.1 225.1 推理模型/训练模型
MaskRCNN-ResNeXt101-vd-FPN 39.5 370.0 推理模型/训练模型
PP-YOLOE_seg-S 32.5 31.5 推理模型/训练模型
注：以上精度指标为[COCO2017](https://cocodataset.org/#home)验证集 Mask AP(0.5:0.95)。

图像特征模块

模型名称 recall@1（%） 模型存储大小（MB） 模型下载链接
PP-ShiTuV2_rec 84.2 16.3 推理模型/训练模型
PP-ShiTuV2_rec_CLIP_vit_base 88.69 306.6 推理模型/训练模型
PP-ShiTuV2_rec_CLIP_vit_large 91.03 1050 推理模型/训练模型
注：以上精度指标为 AliProducts recall@1。

主体检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
PP-ShiTuV2_det 41.5 27.6 推理模型/训练模型
注：以上精度指标为 [PaddleClas主体检测数据集](https://github.com/PaddlePaddle/PaddleClas/blob/release/2.5/docs/zh_CN/training/PP-ShiTu/mainbody_detection.md) mAP(0.5:0.95)。

车辆检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
PP-YOLOE-L_vehicle 63.9 196.1 推理模型/训练模型
PP-YOLOE-S_vehicle 61.3 28.8 推理模型/训练模型
注：以上精度指标为 [PPVehicle](https://github.com/PaddlePaddle/PaddleDetection/tree/develop/configs/ppvehicle) 验证集 mAP(0.5:0.95)。

人脸检测模块

模型名称 AP (%)
Easy/Medium/Hard		 模型存储大小（MB） 模型下载链接
PicoDet_LCNet_x2_5_face 93.7/90.7/68.1 28.9 推理模型/训练模型
**注：以上精度指标是在WIDER-FACE验证集上，以640 \*640作为输入尺寸评估得到的。**

异常检测模块

模型名称 Avg（%） 模型存储大小（MB） 模型下载链接
STFPM 96.2 21.5 推理模型/训练模型
注：以上精度指标为 [MVTec AD](https://www.mvtec.com/company/research/datasets/mvtec-ad) 验证集 平均异常分数。

文本检测模块

模型名称 检测Hmean（%） 模型存储大小（MB） 模型下载链接
PP-OCRv4_mobile_det 77.79 4.2 推理模型/训练模型
PP-OCRv4_server_det 82.69 100.1 推理模型/训练模型
注：以上精度指标的评估集是 PaddleOCR 自建的中文数据集，覆盖街景、网图、文档、手写多个场景，其中检测包含 500 张图片。

文本识别模块

模型名称 识别Avg Accuracy(%) 模型存储大小（MB） 模型下载链接
PP-OCRv4_mobile_rec 78.20 10.6 推理模型/训练模型
PP-OCRv4_server_rec 79.20 71.2 推理模型/训练模型
注：以上精度指标的评估集是 PaddleOCR 自建的中文数据集，覆盖街景、网图、文档、手写多个场景，其中文本识别包含 1.1w 张图片。
模型名称 识别Avg Accuracy(%) 模型存储大小（MB） 模型下载链接
ch_SVTRv2_rec 68.81 73.9 推理模型/训练模型
注：以上精度指标的评估集是 [PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务](https://aistudio.baidu.com/competition/detail/1131/0/introduction)A榜。
模型名称 识别Avg Accuracy(%) 模型存储大小（MB） 模型下载链接
ch_RepSVTR_rec 65.07 22.1 推理模型/训练模型
注：以上精度指标的评估集是 [PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务](https://aistudio.baidu.com/competition/detail/1131/0/introduction)B榜。

表格结构识别模块

模型名称 精度（%） 模型存储大小（MB） 模型下载链接
SLANet 76.31 6.9 推理模型/训练模型
SLANet_plus 63.69 6.9 推理模型/训练模型
注：以上精度指标测量自PubtabNet英文表格识别数据集。

图像矫正模块

模型名称 CER 模型存储大小（MB） 模型下载链接
UVDoc 0.179 19.05 / 19.05 - / 869.82 30.3 推理模型/训练模型
注：以上精度指标测量自 PaddleX自建的图像矫正数据集。

印章文本检测模块

模型名称 检测Hmean（%） 模型存储大小（MB） 模型下载链接
PP-OCRv4_mobile_seal_det 96.47 4.7 推理模型/训练模型
PP-OCRv4_server_seal_det 98.21 108.3 推理模型/训练模型
注：以上精度指标的评估集是 PaddleX 自建的印章数据集，包含500印章图像。

文档方向分类模块

模型名称 Top-1 Acc（%） 模型存储大小（MB） 模型下载链接
PP-LCNet_x1_0_doc_ori 99.26 7.1 推理模型/训练模型
注：以上精度指标为 PaddleX 内部自建数据集 Top-1 Acc 。

版面区域检测模块

模型名称 mAP（%） 模型存储大小（MB） 模型下载链接
PicoDet_layout_1x 86.8 7.4 推理模型/训练模型
PicoDet-L_layout_3cls 89.3 22.6 推理模型/训练模型
RT-DETR-H_layout_3cls 95.9 470.1 推理模型/训练模型
RT-DETR-H_layout_17cls 92.6 470.2 推理模型/训练模型
注：以上精度指标的评估集是 PaddleOCR 自建的版面区域分析数据集，包含 1w 张图片。

时序预测模块

模型名称 mse mae GPU推理耗时（ms）
[常规模式 / 高性能模式]		 CPU推理耗时（ms）
[常规模式 / 高性能模式]		 模型存储大小（MB） 模型下载链接
DLinear 0.382 0.394 0.34 / 0.12 0.64 / 0.06 0.072 推理模型/训练模型
NLinear 0.386 0.392 0.27 / 0.10 0.49 / 0.08 0.04 推理模型/训练模型
Nonstationary 0.600 0.515 3.92 / 2.59 18.09 / 13.36 55.5 推理模型/训练模型
PatchTST 0.379 0.391 1.81 / 0.45 5.79 / 0.77 2.0 推理模型/训练模型
RLinear 0.385 0.392 0.39 / 0.18 0.82 / 0.08 0.04 推理模型/训练模型
TiDE 0.407 0.414 - / - 4.54 / 1.09 31.7 推理模型/训练模型
TimesNet 0.416 0.429 15.19 / 13.77 23.14 / 12.42 4.9 推理模型/训练模型
注：以上精度指标测量自[ETTH1](https://paddle-model-ecology.bj.bcebos.com/paddlex/data/Etth1.tar)数据集 （在测试集test.csv上的评测结果）。

时序异常检测模块

模型名称 precision recall f1_score 模型存储大小（MB） 模型下载链接
AutoEncoder_ad 99.36 0.24 / 0.13 0.41 / 0.05 0.052 推理模型/训练模型
DLinear_ad 98.98 0.39 / 0.16 0.69 / 0.08 0.1 推理模型/训练模型
Nonstationary_ad 98.55 1.94 / 1.16 5.31 / 1.66 1.8 推理模型/训练模型
PatchTST_ad 98.78 2.10 / 0.55 6.98 / 0.63 0.32 推理模型/训练模型
注：以上精度指标测量自[PSM](https://paddle-model-ecology.bj.bcebos.com/paddlex/data/ts_anomaly_examples.tar)数据集。

时序分类模块

模型名称 acc(%) 模型存储大小（MB） 模型下载链接
TimesNet_cls 87.5 0.792 推理模型/训练模型
注：以上精度指标测量自UWaveGestureLibrary：[训练](https://paddlets.bj.bcebos.com/classification/UWaveGestureLibrary_TRAIN.csv)、[评测](https://paddlets.bj.bcebos.com/classification/UWaveGestureLibrary_TEST.csv)数据集。