PaddleClas/docs/zh_CN/models/PP-HGNet.md

PP-HGNet 系列

---

目录

• 1. 概述
• 2. 结构信息
• 3. 实验结果

1. 概述

PP-HGNet(High Performance GPU Net) 是百度飞桨视觉团队自研的更适用于 GPU 平台的高性能骨干网络，该网络在 VOVNet 的基础上使用了可学习的下采样层（LDS Layer），融合了 ResNet_vd、PPLCNet 等模型的优点，该模型在 GPU 平台上与其他 SOTA 模型在相同的速度下有着更高的精度。在同等速度下，该模型高于 ResNet34-D 模型 3.8 个百分点，高于 ResNet50-D 模型 2.4 个百分点，在使用百度自研 SSLD 蒸馏策略后，超越 ResNet50-D 模型 4.7 个百分点。与此同时，在相同精度下，其推理速度也远超主流 VisionTransformer 的推理速度。

2. 结构信息

PP-HGNet 作者针对 GPU 设备，对目前 GPU 友好的网络做了分析和归纳，尽可能多的使用 3x3 标准卷积（计算密度最高）。在此将 VOVNet 作为基准模型，将主要的有利于 GPU 推理的改进点进行融合。从而得到一个有利于 GPU 推理的骨干网络，同样速度下，精度大幅超越其他 CNN 或者 VisionTransformer 模型。

PP-HGNet 骨干网络的整体结构如下：

其中，PP-HGNet是由多个HG-Block组成，HG-Block的细节如下：

3. 实验结果

PP-HGNet 与其他模型的比较如下，其中测试机器为 NVIDIA® Tesla® V100，开启 TensorRT 引擎，精度类型为 FP32。在相同速度下，PP-HGNet 精度均超越了其他 SOTA CNN 模型，在与 SwinTransformer 模型的比较中，在更高精度的同时，速度快 2 倍以上。

Model	Top-1 Acc(%)	Top-5 Acc(%)	Latency(ms)
ResNet34	74.57	92.14	1.97
ResNet34_vd	75.98	92.98	2.00
EfficientNetB0	77.38	93.31	1.96
PPHGNet_tiny	79.83	95.04	1.77
PPHGNet_tiny_ssld	81.95	96.12	1.77
ResNet50	76.50	93.00	2.54
ResNet50_vd	79.12	94.44	2.60
ResNet50_rsb	80.40		2.54
EfficientNetB1	79.15	94.41	2.88
SwinTransformer_tiny	81.2	95.5	6.59
PPHGNet_small	81.51	95.82	2.52
PPHGNet_small_ssld	83.82	96.81	2.52
Res2Net200_vd_26w_4s_ssld	85.13	97.42	11.45
ResNeXt101_32x48d_wsl	85.37	97.69	55.07
SwinTransformer_base	85.2	97.5	13.53
PPHGNet_base_ssld	85.00	97.35	5.97

关于更多 PP-HGNet 的介绍以及下游任务的表现，敬请期待。