1. 量化#

1.1 图象分类#

数据集：ImageNet1000类

Model 压缩方法 Top-1/Top-5 模型大小（MB） 下载
MobileNetV1 - 70.99%/89.68% xx 下载链接
MobileNetV1 quant_psot xx%/xx% xx 下载链接
MobileNetV1 quant_aware xx%/xx% xx 下载链接
MobileNetV2 - 72.15%/90.65% xx 下载链接
MobileNetV2 quant_post xx%/xx% xx 下载链接
MobileNetV2 quant_aware xx%/xx% xx 下载链接
ResNet50 - 76.50%/93.00% xx 下载链接
ResNet50 quant_post xx%/xx% xx 下载链接
ResNet50 quant_aware xx%/xx% xx 下载链接

1.2 目标检测#

数据集：COCO 2017

Model 压缩方法 Image/GPU 输入608 Box AP 输入416 Box AP 输入320 Box AP 模型大小(MB) 下载
MobileNet-V1-YOLOv3 - 8 29.3 29.3 27.1 xx 下载链接
MobileNet-V1-YOLOv3 quant_post 8 xx xx xx xx 下载链接
MobileNet-V1-YOLOv3 quant_aware 8 xx xx xx xx 下载链接
R50-dcn-YOLOv3 FP32 - 8 41.4 xx xx xx 下载链接
R50-dcn-YOLOv3 quant_post 8 xx xx xx xx 下载链接
R50-dcn-YOLOv3 quant_aware 8 xx xx xx xx 下载链接

数据集：WIDER-FACE

Model 压缩方法 Image/GPU 输入尺寸 Easy/Medium/Hard 模型大小（MB） 下载
BlazeFace - 8 640 0.915/0.892/0.797 xx 下载链接
BlazeFace quant_post 8 640 xx/xx/xx xx 下载链接
BlazeFace quant_aware 8 640 xx/xx/xx xx 下载链接
BlazeFace-Lite - 8 640 0.909/0.885/0.781 xx 下载链接
BlazeFace-Lite quant_post 8 640 xx/xx/xx xx 下载链接
BlazeFace-Lite quant_aware 8 640 xx/xx/xx xx 下载链接
BlazeFace-NAS - 8 640 0.837/0.807/0.658 xx 下载链接
BlazeFace-NAS quant_post 8 640 xx/xx/xx xx 下载链接
BlazeFace-NAS quant_aware 8 640 xx/xx/xx xx 下载链接

1.3 图像分割#

数据集：Cityscapes

Model 压缩方法 mIoU 模型大小（MB） 下载
DeepLabv3+/MobileNetv1 - 63.26 xx 下载链接
DeepLabv3+/MobileNetv1 quant_post xx xx 下载链接
DeepLabv3+/MobileNetv1 quant_aware xx xx 下载链接
DeepLabv3+/MobileNetv2 - 69.81 xx 下载链接
DeepLabv3+/MobileNetv2 quant_post xx xx 下载链接
DeepLabv3+/MobileNetv2 quant_aware xx xx 下载链接

2. 剪枝#

2.1 图像分类#

数据集：ImageNet1000类

Model 压缩方法 Top-1/Top-5 模型大小（MB） FLOPs 下载
MobileNetV1 - 70.99%/89.68% xx xx 下载链接
MobileNetV1 uniform -xx% xx%/xx% xx xx 下载链接
MobileNetV1 sensitive -xx% xx%/xx% xx xx 下载链接
MobileNetV2 - 72.15%/90.65% xx xx 下载链接
MobileNetV2 uniform -xx% xx%/xx% xx xx 下载链接
MobileNetV2 sensitive -xx% xx%/xx% xx xx 下载链接
ResNet34 - 74.57%/92.14% xx xx 下载链接
ResNet34 uniform -xx% xx%/xx% xx xx 下载链接
ResNet34 auto -xx% xx%/xx% xx xx 下载链接

2.2 目标检测#

数据集：Pasacl VOC & COCO 2017

Model 压缩方法 数据集 Image/GPU 输入608 mAP 输入416 mAP 输入320 mAP 模型大小（MB） FLOPs 下载
MobileNet-V1-YOLOv3 - Pasacl VOC 8 76.2 76.7 75.3 xx xx 下载链接
MobileNet-V1-YOLOv3 uniform -xx% Pasacl VOC 8 xx xx xx xx xx 下载链接
MobileNet-V1-YOLOv3 - COCO 8 29.3 29.3 27.1 xx xx 下载链接
MobileNet-V1-YOLOv3 uniform -xx% COCO 8 xx xx xx xx xx 下载链接
R50-dcn-YOLOv3 - COCO 8 41.4 xx xx xx xx 下载链接
R50-dcn-YOLOv3 uniform -xx% COCO 8 xx xx xx xx xx 下载链接

2.3 图像分割#

数据集：Cityscapes

Model 压缩方法 mIoU 模型大小（MB） FLOPs 下载
DeepLabv3+/MobileNetv2 - 69.81 xx xx 下载链接
DeepLabv3+/MobileNetv2 prune -xx% xx xx xx 下载链接

3. 蒸馏#

3.1 图象分类#

数据集：ImageNet1000类

Model 蒸馏 teacher Top-1/Top-5 下载
MobileNetV1 - 70.99%/89.68% 下载链接
MobileNetV1 ResNet50_vd1 72.79%/90.69% 下载链接
MobileNetV2 - 72.15%/90.65% 下载链接
MobileNetV2 ResNet50_vd1 74.30%/91.52% 下载链接
ResNet50 - 76.50%/93.00% 下载链接
ResNet50 ResNet1012 77.40%/93.48% 下载链接

Note

  [1]：ResNet50_vd预训练模型Top-1/Top-5准确率分别为79.12%/94.44%

带_vd后缀代表开启了Mixup训练，Mixup相关介绍参考mixup: Beyond Empirical Risk Minimization

[2]：ResNet101预训练模型Top-1/Top-5准确率分别为77.56%/93.64%

3.2 目标检测#

数据集：Pasacl VOC & COCO 2017

Model 蒸馏 teacher 数据集 Image/GPU 输入640 mAP 输入416 mAP 输入320 mAP 下载链接
MobileNet-V1-YOLOv3 - Pasacl VOC 16 76.2 76.7 75.3 下载链接
MobileNet-V1-YOLOv3 ResNet34-YOLOv3-VOC3 Pasacl VOC 16 xx xx xx 下载链接
MobileNet-V1-YOLOv3 - COCO 16 29.3 29.3 27.1 下载链接
MobileNet-V1-YOLOv3 ResNet34-YOLOv3-COCO4 COCO 16 xx xx xx 下载链接

Note

[3]：ResNet34-YOLOv3-VOC预训练模型的Box AP为82.6

[4]：ResNet34-YOLOv3-COCO预训练模型的Box AP为36.2