目前FastDeploy支持如下模型的部署
- PP-YOLOE(含PP-YOLOE+)系列模型
- PicoDet系列模型
- PP-YOLO系列模型(含v2)
- YOLOv3系列模型
- YOLOX系列模型
- FasterRCNN系列模型
- MaskRCNN系列模型
在部署前，需要先将PaddleDetection导出成部署模型，导出步骤参考文档导出模型
注意
- 在导出模型时不要进行NMS的去除操作，正常导出即可
- 导出模型时，不要添加
fuse_normalize=True参数
为了方便开发者的测试，下面提供了PaddleDetection导出的各系列模型，开发者可直接下载使用。
其中精度指标来源于PaddleDetection中对各模型的介绍，详情各参考PaddleDetection中的说明。
| 模型 | 参数大小 | 精度 | 备注 |
|---|---|---|---|
| picodet_l_320_coco_lcnet | 23MB | Box AP 42.6% | |
| ppyoloe_crn_l_300e_coco | 200MB | Box AP 51.4% | |
| ppyolo_r50vd_dcn_1x_coco | 180MB | Box AP 44.8% | 暂不支持TensorRT |
| ppyolov2_r101vd_dcn_365e_coco | 282MB | Box AP 49.7% | 暂不支持TensorRT |
| yolov3_darknet53_270e_coco | 237MB | Box AP 39.1% | |
| yolox_s_300e_coco | 35MB | Box AP 40.4% | |
| faster_rcnn_r50_vd_fpn_2x_coco | 160MB | Box AP 40.8% | 暂不支持TensorRT |
| mask_rcnn_r50_1x_coco | 128M | Box AP 37.4%, Mask AP 32.8% | 暂不支持TensorRT、ORT |