PaddleSeg对所有内置的分割模型都提供了公开数据集下的预训练模型。因为对于自定 义数据集的场景，使用预训练模型进行训练可以得到更稳定地效果。用户可以根据模型类型、自己的数据集和预训练数据集的相似程度，选择并下载预训练模型。
所有Imagenet预训练模型来自于PaddlePaddle图像分类库，想获取更多细节请点击这里
| 模型 | 数据集合 | Depth multiplier | 下载地址 | Accuray Top1/5 Error |
|---|---|---|---|---|
| MobileNetV2_1.0x | ImageNet | 1.0x | MobileNetV2_1.0x | 72.15%/90.65% |
| MobileNetV2_0.25x | ImageNet | 0.25x | MobileNetV2_0.25x | 53.21%/76.52% |
| MobileNetV2_0.5x | ImageNet | 0.5x | MobileNetV2_0.5x | 65.03%/85.72% |
| MobileNetV2_1.5x | ImageNet | 1.5x | MobileNetV2_1.5x | 74.12%/91.67% |
| MobileNetV2_2.0x | ImageNet | 2.0x | MobileNetV2_2.0x | 75.23%/92.58% |
| MobileNetV3_Large_ssld_1.0x | ImageNet | 1.0x | MobileNetV3_Large_ssld_1.0x | 79.00%/94.50% |
用户可以结合实际场景的精度和预测性能要求，选取不同Depth multiplier参数的MobileNet模型。
| 模型 | 数据集合 | 下载地址 | Accuray Top1/5 Error |
|---|---|---|---|
| Xception41 | ImageNet | Xception41_pretrained.tgz | 79.5%/94.38% |
| Xception65 | ImageNet | Xception65_pretrained.tgz | 80.32%/94.47% |
| Xception71 | ImageNet | coming soon | -- |
| 模型 | 数据集合 | 下载地址 | Accuray Top1/5 Error |
|---|---|---|---|
| HRNet_W18 | ImageNet | hrnet_w18_imagenet.tar | 76.92%/93.39% |
| HRNet_W30 | ImageNet | hrnet_w30_imagenet.tar | 78.04%/94.02% |
| HRNet_W32 | ImageNet | hrnet_w32_imagenet.tar | 78.28%/94.24% |
| HRNet_W40 | ImageNet | hrnet_w40_imagenet.tar | 78.77%/94.47% |
| HRNet_W44 | ImageNet | hrnet_w44_imagenet.tar | 79.00%/94.51% |
| HRNet_W48 | ImageNet | hrnet_w48_imagenet.tar | 78.95%/94.42% |
| HRNet_W64 | ImageNet | hrnet_w64_imagenet.tar | 79.30%/94.61% |
| 模型 | 数据集合 | 下载地址 | Accuray Top1/5 Error |
|---|---|---|---|
| ResNet50（适配PSPNet） | ImageNet | resnet50_v2_pspnet | -- |
| ResNet101（适配PSPNet） | ImageNet | resnet101_v2_pspnet | -- |
| ResNet50_vd | ImageNet | ResNet50_vd_ssld_pretrained.tgz | 83.0%/96.4% |
数据集为COCO实例分割数据集合转换成的语义分割数据集合
| 模型 | 数据集合 | 下载地址 | Output Strid | multi-scale test | mIoU |
|---|---|---|---|---|---|
| DeepLabv3+/MobileNetv2/bn | COCO | deeplab_mobilenet_x1_0_coco.tgz | 16 | -- | -- |
| DeeplabV3+/Xception65/bn | COCO | xception65_coco.tgz | 16 | -- | -- |
| U-Net/bn | COCO | unet_coco.tgz | 16 | -- | -- |
| PSPNet/bn | COCO | pspnet50_coco.tgz | 16 | -- | -- |
| PSPNet/bn | COCO | pspnet101_coco.tgz | 16 | -- | -- |
train数据集合为Cityscapes训练集合，测试为Cityscapes的验证集合
| 模型 | 数据集合 | 下载地址 | Output Stride | mutli-scale test | mIoU on val |
|---|---|---|---|---|---|
| DeepLabv3+/MobileNetv2/bn | Cityscapes | mobilenet_cityscapes.tgz | 16 | false | 0.698 |
| DeepLabv3+/MobileNetv3_Large/bn | Cityscapes | deeplabv3p_mobilenetv3_large_cityscapes.tar.gz | 32 | false | 0.7328 |
| DeepLabv3+/Xception65/gn | Cityscapes | deeplabv3p_xception65_gn_cityscapes.tgz | 16 | false | 0.7824 |
| DeepLabv3+/Xception65/bn | Cityscapes | deeplabv3p_xception65_bn_cityscapes.tgz | 16 | false | 0.7930 |
| DeepLabv3+/ResNet50_vd/bn | Cityscapes | deeplabv3p_resnet50_vd_cityscapes.tgz | 16 | false | 0.8006 |
| ICNet/bn | Cityscapes | icnet_cityscapes.tgz | 16 | false | 0.6831 |
| PSPNet/bn | Cityscapes | pspnet50_cityscapes.tgz | 16 | false | 0.7013 |
| PSPNet/bn | Cityscapes | pspnet101_cityscapes.tgz | 16 | false | 0.7734 |
| HRNet_W18/bn | Cityscapes | hrnet_w18_bn_cityscapes.tgz | 4 | false | 0.7936 |
| Fast-SCNN/bn | Cityscapes | fast_scnn_cityscapes.tar | 32 | false | 0.6964 |
| OCRNet/bn | Cityscapes | ocrnet_w18_bn_cityscapes.tar.gz | 4 | false | 0.8023 |
测试环境为python 3.7.3，v100，cudnn 7.6.2。