# 模型列表 ## 1. 训练Benchmark ### 1.1 软硬件环境 * PP-Matting训练过程中使用单卡GPU，batch size为4。 ### 1.2 数据集 * 通用目标抠图数据集为Compositon-1k或Distinctions-646（使用该两者数据集需向作者进行申请），使用COCO2017和Pascal VOC 2012作为背景数据集。 * 人像抠图使用内部数据。 ### 1.3 指标 |模型名称 | 模型简介 | 输入尺寸 | |---|---|---| |ppmatting_hrnet_w48 | 通用目标抠图 | 512 | |ppmatting_hrnet_w18 | 人像抠图 | 512 | ## 2. 推理Benchmark ### 2.1 软硬件环境 * 模型推理速度测试采用单卡V100，batch size=1进行测试，使用CUDA 10.2, CUDNN 7.6.5, PaddlePaddle-gpu 2.3.2。 ### 2.2 数据集 * 通用目标抠图：Compositon-1k或Distinctions-646中的测试集部分。 * 人像抠图：PPM-100和AIM-500中的人像部分，共195张, 记为PPM-AIM-195。 ### 2.3 指标 | 模型 | 数据集 | SAD | MSE | Grad | Conn |Params(M) | FLOPs(G) | FPS | | - | - | -| - | - | - | - | -| - | - | | ppmatting_hrnet_w48 | Composition-1k | 46.22 | 0.005 | 22.69 | 45.40 | 86.3 | 165.4 | 24.4 | | ppmatting_hrnet_w48 | Distinctions-646 | 40.69 | 0.009 | 43.91 |40.56 | 86.3 | 165.4 | 24.4 | | ppmatting_hrnet_w18 | PPM-AIM-195 | 31.56|0.0022|31.80|30.13| 24.5 | 91.28 | 28.9 | ## 3. 相关使用说明 1. https://github.com/PaddlePaddle/PaddleSeg/tree/develop/Matting
