模型库和评测¶

本页面用于汇总 MMYOLO 中支持的各类模型性能和相关评测指标，方便用户对比分析。

COCO 数据集¶

Model	Arch	Size	Batch Size	Epoch	SyncBN	AMP	Mem (GB)	Params(M)	FLOPs(G)	TRT-FP16-GPU-Latency(ms)	Box AP	TTA Box AP
YOLOv5-n	P5	640	8xb16	300	Yes	Yes	1.5	1.87	2.26	1.14	28.0	30.7
YOLOv6-v2.0-n	P5	640	8xb32	400	Yes	Yes	6.04	4.32	5.52	1.37	36.2
YOLOv8-n	P5	640	8xb16	500	Yes	Yes	2.5	3.16	4.4	1.53	37.4	39.9
RTMDet-tiny	P5	640	8xb32	300	Yes	No	11.9	4.90	8.09	2.31	41.8	43.2
YOLOv6-v2.0-tiny	P5	640	8xb32	400	Yes	Yes	8.13	9.70	12.37	2.19	41.0
YOLOv7-tiny	P5	640	8xb16	300	Yes	Yes	2.7	6.23	6.89	1.88	37.5
YOLOX-tiny	P5	416	8xb32	300	No	Yes	4.9	5.06	7.63	1.19	34.3
RTMDet-s	P5	640	8xb32	300	Yes	No	16.3	8.89	14.84	2.89	45.7	47.3
YOLOv5-s	P5	640	8xb16	300	Yes	Yes	2.7	7.24	8.27	1.89	37.7	40.2
YOLOv6-v2.0-s	P5	640	8xb32	400	Yes	Yes	8.88	17.22	21.94	2.67	44.0
YOLOv8-s	P5	640	8xb16	500	Yes	Yes	4.0	11.17	14.36	2.61	45.1	46.8
YOLOX-s	P5	640	8xb32	300	No	Yes	9.8	8.97	13.40	2.38	41.9
PPYOLOE+ -s	P5	640	8xb8	80	Yes	No	4.7	7.93	8.68	2.54	43.5
RTMDet-m	P5	640	8xb32	300	Yes	No	29.0	24.71	39.21	6.23	50.2	51.9
YOLOv5-m	P5	640	8xb16	300	Yes	Yes	5.0	21.19	24.53	4.28	45.3	46.9
YOLOv6-v2.0-m	P5	640	8xb32	300	Yes	Yes	16.69	34.25	40.7	5.12	48.4
YOLOv8-m	P5	640	8xb16	500	Yes	Yes	7.0	25.9	39.57	5.78	50.6	52.3
YOLOX-m	P5	640	8xb32	300	No	Yes	17.6	25.33	36.88	5.31	47.5
PPYOLOE+ -m	P5	640	8xb8	80	Yes	No	8.4	23.43	24.97	5.47	49.5
RTMDet-l	P5	640	8xb32	300	Yes	No	45.2	52.32	80.12	10.13	52.3	53.7
YOLOv5-l	P5	640	8xb16	300	Yes	Yes	8.1	46.56	54.65	6.8	48.8	49.9
YOLOv6-v2.0-l	P5	640	8xb32	300	Yes	Yes	20.86	58.53	71.43	8.78	51.0
YOLOv7-l	P5	640	8xb16	300	Yes	Yes	10.3	36.93	52.42	6.63	50.9
YOLOv8-l	P5	640	8xb16	500	Yes	Yes	9.1	43.69	82.73	8.97	53.0	54.4
YOLOX-l	P5	640	8xb8	300	No	Yes	8.0	54.21	77.83	9.23	50.1
PPYOLOE+ -l	P5	640	8xb8	80	Yes	No	13.2	52.20	55.05	8.2	52.6
RTMDet-x	P5	640	8xb32	300	Yes	No	63.4	94.86	145.41	17.89	52.8	54.2
YOLOv7-x	P5	640	8xb16	300	Yes	Yes	13.7	71.35	95.06	11.63	52.8
YOLOv8-x	P5	640	8xb16	500	Yes	Yes	12.4	68.23	132.10	14.22	54.0	55.0
YOLOX-x	P5	640	8xb8	300	No	Yes	9.8	99.07	144.39	15.35	51.4
PPYOLOE+ -x	P5	640	8xb8	80	Yes	No	19.1	98.42	105.48	14.02	54.2
YOLOv5-n	P6	1280	8xb16	300	Yes	Yes	5.8	3.25	2.30		35.9
YOLOv5-s	P6	1280	8xb16	300	Yes	Yes	10.5	12.63	8.45		44.4
YOLOv5-m	P6	1280	8xb16	300	Yes	Yes	19.1	35.73	25.05		51.3
YOLOv5-l	P6	1280	8xb16	300	Yes	Yes	30.5	76.77	55.77		53.7
YOLOv7-w	P6	1280	8xb16	300	Yes	Yes	27.0	82.31	45.07		54.1
YOLOv7-e	P6	1280	8xb16	300	Yes	Yes	42.5	114.69	64.48		55.1

所有模型均使用 COCO train2017 作为训练集，在 COCO val2017 上验证精度
TRT-FP16-GPU-Latency(ms) 是指在 NVIDIA Tesla T4 设备上采用 TensorRT 8.4，batch size 为 1，测试 shape 为 640x640 且仅包括模型 forward 的 GPU Compute time (YOLOX-tiny 测试 shape 是 416x416)
模型参数量和 FLOPs 是采用 get_flops 脚本得到，不同的运算方式可能略有不同
RTMDet 性能是通过 MMRazor 知识蒸馏训练后的结果
MMYOLO 中暂时只实现了 YOLOv6 2.0 版本，并且 L 和 M 为没有经过知识蒸馏的结果
YOLOv8 是引入了实例分割标注优化后的结果，YOLOv5、YOLOv6 和 YOLOv7 没有采用实例分割标注优化
PPYOLOE+ 使用 Obj365 作为预训练权重，因此 COCO 训练的 epoch 数只需要 80
YOLOX-tiny、YOLOX-s 和 YOLOX-m 为采用了 RTMDet 中所提优化器参数训练所得，性能相比原始实现有不同程度提升

详情见如下内容

VOC 数据集¶

Backbone	size	Batchsize	AMP	Mem (GB)	box AP(COCO metric)
YOLOv5-n	512	64	Yes	3.5	51.2
YOLOv5-s	512	64	Yes	6.5	62.7
YOLOv5-m	512	64	Yes	12.0	70.1
YOLOv5-l	512	32	Yes	10.0	73.1

详情见如下内容

YOLOv5

CrowdHuman 数据集¶

Backbone	size	SyncBN	AMP	Mem (GB)	ignore_iof_thr	box AP50(CrowDHuman Metric)	MR	JI
YOLOv5-s	640	Yes	Yes	2.6	-1	85.79	48.7	75.33
YOLOv5-s	640	Yes	Yes	2.6	0.5	86.17	48.8	75.87

详情见如下内容

YOLOv5

模型库和评测¶

COCO 数据集¶

VOC 数据集¶

CrowdHuman 数据集¶

DOTA 1.0 数据集¶