模型说明

1.检测模型

1.1 人形检测

调用C接口：TDL_Detection
模型ID：MBV2_DET_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  mbv2_det_person_256_448_INT8_cv184x.bmodel 5000张 person 0.521
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  mbv2_det_person_512_896_INT8_cv184x.bmodel 5000张 person 0.646
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  mbv2_det_person_512_960_INT8_cv184x.bmodel 5000张 person 0.481
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  mbv2_det_person_896_896_INT8_cv184x.bmodel 5000张 person 0.689

1.2 头盔检测

调用C接口：TDL_Detection

模型ID：YOLOV8N_DET_HEAD_HARDHAT

模型性能：

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_head_hardhat_576_960_INT8_cv186x.bmodel	3440张	head,hardhat	0.872	vpss:2.8,tpu:49.6,post:3,total:55.4	10.05
yolov8n_det_head_hardhat_576_960_INT8_cv184x.bmodel	1582张	head,hardhat	0.91

1.3 烟火检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_FIRE_SMOKE
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_fire_smoke_384_640_INT8_cv184x.bmodel 3440张 fire, smoke 0.761

1.4 车牌检测

调用C接口：TDL_Detection

模型ID：YOLOV8N_DET_LICENSE_PLATE

模型性能：

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_license_plate_384_640_INT8_cv184x.bmodel	250张	license plate	0.953
yolov8n_det_license_plate_384_640_INT8_cv186x.bmodel	1000张	license plate	0.983	vpss:3.96,tpu:22.1,post:1.31,total:27.3	4.83

1.5 手脸人检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_HAND_FACE_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_hand_face_person_384_640_INT8_cv184x.bmodel 2717张 hand,face,person 0.85

1.6 宠物检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_PET_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_pet_person_384_640_INT8_cv184x.bmodel 2562张 cat,dog,person 0.869
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_pet_person_035_384_640_INT8_cv184x.bmodel 2562张 cat,dog,person 0.733

1.7 监控人形检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_MONITOR_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_monitor_person_256_448_INT8_cv184x.bmodel 1700张 person 0.949

1.8 俯视人行检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_MONITOR_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_overlook_person_256_448_INT8_cv184x.bmodel 2304张 0.994

1.9 红外人行检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_MONITOR_PERSON
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_ir_person_384_640_INT8_cv184x.bmodel 2198张 0.949
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_ir_person_mbv2_384_640_INT8_cv184x.bmodel 2198张 0.894

1.10 头肩检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_HEAD_SHOULDER
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_head_shoulder_384_640_INT8_cv184x.bmodel 15951张 head shoulder 0.847

1.11 信号灯检测

调用C接口：TDL_Detection

模型ID：YOLOV8N_DET_TRAFFIC_LIGHT

模型性能：

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_traffic_light_384_640_INT8_cv184x.bmodel	2686张 / 245张 / 853张	red,yellow,green,off,wait on	Bosch_roi： map50=0.72 / S2TLD1080x1920_roi: map50=0.937 / S2TLD720x1280_roi: map50=0.946

1.12 人车检测

调用C接口：TDL_Detection

模型ID：YOLOV8N_DET_PERSON_VEHICLE

模型性能：

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_person_vehicle_384_640_INT8_cv184x.bmodel	133张 / 2967张 / 836张	red,yellow,green,off,wait on	soda10m_val: map50=0.46 / val2017: map50=0.628 / videoimg: map50=0.469
yolov8n_det_person_vehicle_384_640_INT8_cv181x.cvimodel	133张	red,yellow,green,off,wait on	soda10m_val: map50= 0.473

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_person_vehicle_mv2_035_384_640_INT8_cv184x.bmodel	133张 / 2967张 / 836张	red,yellow,green,off,wait on	soda10m_val: map50=0.329 / val2017: map50=0.475 / videoimg: map50=0.329

1.13 火焰检测

调用C接口：TDL_Detection
模型ID：YOLOV8N_DET_FIRE
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_det_fire_384_640_INT8_cv184x.bmodel 660张 fire 0.664

1.14 手部检测

调用C接口：TDL_Detection

模型ID：YOLOV8N_DET_HAND

模型性能：

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_hand_384_640_INT8_cv184x.bmodel	2777张	hand	0.817
yolov8n_det_hand_384_640_INT8_cv181x.cvimodel	2777张	hand	0.774

模型名称	图片数量	类别	mAP50	预处理/推理/后处理耗时（ms）	ION占用(MB)
yolov8n_det_hand_mv3_384_640_INT8_cv184x.bmodel	2777张	hand	0.778

1.15 人脸检测

调用C接口：TDL_FaceDetection
模型ID：SCRFD_DET_FACE
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  scrfd_det_face_432_768_INT8_cv184x.bmodel 3226张 face 0.535

2.分类模型

2.1 活体检测

调用C接口：TDL_Classfification
模型ID：CLS_RGBLIVENESS
- 模型性能：
  
  模型名称图片数量类别 mAP50 预处理/推理/后处理耗时（ms） ION占用(MB)
  
  cls_rgbliveness_256_256_INT8_cv184x.bmodel 3226张 live,spoof 0.999

2.2 手四分类

调用C接口：TDL_Classfification

模型ID：CLS_HAND_GESTURE

模型性能：

模型名称	图片数量	类别	准确率	预处理/推理/后处理耗时（ms）	ION占用(MB)
cls_hand_gesture_128_128_INT8_cv184x.bmodel	15613张	fist,five,none,two	0.554
cls_hand_gesture_128_128_INT8_cv181x.cvimodel	15613张	fist,five,none,two	0.912	2.76/1.09/0.196	1.16

2.3 手势关键点分类

调用C接口：TDL_Classfification

模型ID：CLS_KEYPOINT_HAND_GESTURE

模型性能：

模型名称	图片数量	类别	准确率	预处理/推理/后处理耗时（ms）	ION占用(MB)
cls_keypoint_hand_gesture_1_42_INT8_cv184x.bmodel	2468张	fist,five,four,none,ok,one,three,three2,two	0.770

2.4 人脸属性

调用C接口：TDL_FaceAttribute

模型ID：CLS_ATTRIBUTE_GENDER_AGE_GLASS_MASK

模型性能：

模型名称	图片数量	类别	准确率	预处理/推理/后处理耗时（ms）	ION占用(MB)
cls_attribute_gender_age_glass_mask_112_112_INT8_cv184x.bmodel	8271张	age,gender,glass,mask	性别：准确率0.963 眼镜：准确率0.993 口罩：准确率0.999 年龄：正确率0.974

模型ID：CLS_ATTRIBUTE_GENDER_AGE_GLASS
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  cls_attribute_gender_age_glass_mask_112_112_INT8_cv184x.bmodel age,gender,glass

模型ID：CLS_ATTRIBUTE_GENDER_AGE_GLASS_EMOTION

模型性能：

模型名称	图片数量	类别	准确率	预处理/推理/后处理耗时（ms）	ION占用(MB)
cls_attribute_gender_age_glass_emotion_112_112_INT8_cv184x.bmodel		age,gender,glass,emotion
cls_attribute_gender_age_glass_emotion_tiny_112_112_INT8_cv184x.bmodel		age,gender,glass,emotion

2.5 婴儿啼哭分类

调用C接口：TDL_Classfification
模型ID：CLS_SOUND_BABAY_CRY
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  cls_sound_babay_cry_188_40_INT8_cv184x.bmodel 8998张 background,cry 0.956

2.6 语音分类

调用C接口：TDL_Classfification
模型ID：CLS_SOUND_COMMAND_XIAOAIXIAOAI
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  cls_sound_xiaoaixiaoai_126_40_INT8_cv184x.bmodel 2658张 background,xiaoaixiaoai 0.788
模型ID：CLS_SOUND_COMMAND_NIHAOSHIYUN
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  cls_sound_nihaoshiyun_126_40_INT8_cv184x.bmodel 1786张 background,nihaoshiyun 0.934

3 关键点检测

3.1 手关键点

调用C接口：TDL_Keypoint

模型ID：KEYPOINT_HAND

模型性能：

模型名称	图片数量	类别	PCK	预处理/推理/后处理耗时（ms）	ION占用(MB)
keypoint_hand_128_128_INT8_cv184x.bmodel	2468张		[email protected]: 0.859 [email protected]: 0.952 [email protected]: 0.985
keypoint_hand_128_128_INT8_cv186x.bmodel	47667张		[email protected]: 0.886

3.2 车牌关键点

调用C接口：TDL_Keypoint

模型ID：KEYPOINT_LICENSE_PLATE

模型性能：

模型名称	图片数量	类别	PCK	预处理/推理/后处理耗时（ms）	ION占用(MB)
keypoint_license_plate_64_128_INT8_cv184x.bmodel	1070张	top_left,top_right,bottom_left,bottom_right	[email protected]：0.598 [email protected]：0.869 [email protected]：0.958

3.3 人体关键点

调用C接口：TDL_Keypoint

模型ID：KEYPOINT_YOLOV8POSE_PERSON17

模型性能：

模型名称	图片数量	类别	PCK	预处理/推理/后处理耗时（ms）	ION占用(MB)
keypoint_yolov8pose_person17_384_640_INT8_cv184x.bmodel	5000张		[email protected]:0.628 [email protected]:0.729 [email protected]:0.838

4.车道线回归

调用C接口：TDL_LaneDetection
模型ID：LSTR_DET_LANE
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  lstr_det_lane_360_640_MIX_cv184x.bmodel 2000张 0.9004

5.实例分割

调用C接口：TDL_InstanceSegmentation
模型ID：YOLOV8_SEG_COCO80
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  yolov8n_seg_coco80_640_640_INT8_cv184x.bmodel

6.语义分割

调用C接口：TDL_SemanticSegmentation

模型ID：TOPFORMER_SEG_PERSON_FACE_VEHICLE

模型性能：

模型名称	图片数量	类别	准确率	预处理/推理/后处理耗时（ms）	ION占用(MB)
topformer_seg_person_face_vehicle_384_640_INT8_cv184x.bmodel		background,person,face,vehicle,license plate

7.目标跟踪

调用C接口：TDL_Tracking

模型ID：TRACKING_FEARTRACK

模型性能：

模型名称	图片数量	PR / SR	预处理/推理/后处理耗时（ms）	ION占用(MB)
tracking_feartrack_128_128_256_256_INT8_cv184x.bmodel	123个视频帧序列文件夹	0.7754 / 0.5934	preprocess:3.48,tpu:4.33,post:0.145,total:7.96	3.42
tracking_feartrack_128_128_256_256_INT8_cv181x.bmodel	123个视频帧序列文件夹	0.7735 / 0.5945	preprocess:1.44,tpu:8.59,post:0.0646,total:10.1	2.93

8.车牌识别

调用C接口：TDL_CharacterRecognition
模型ID：RECOGNITION_LICENSE_PLATE
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  recognition_license_plate_24_96_MIX_cv184x.bmodel

9.特征提取

调用C接口：TDL_FeatureExtraction
模型ID：FEATURE_CVIFACE
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  feature_cviface_112_112_INT8_cv186x.bmodel
模型ID：FEATURE_BMFACE_R34
- 模型性能：
  
  模型名称图片数量类别准确率预处理/推理/后处理耗时（ms） ION占用(MB)
  
  feature_bmface_r34_112_112_INT8_cv186x.bmodel

Name		Name	Last commit message	Last commit date
Latest commit History 18 Commits
bm1684x		bm1684x
bm1688		bm1688
cv181x		cv181x
cv184x		cv184x
cv186x		cv186x
README.md		README.md

sophgo/tdl_models

Folders and files

Latest commit

History

Repository files navigation

模型说明

目录

1.检测模型

1.1 人形检测

1.2 头盔检测

1.3 烟火检测

1.4 车牌检测

1.5 手脸人检测

1.6 宠物检测

1.7 监控人形检测

1.8 俯视人行检测

1.9 红外人行检测

1.10 头肩检测

1.11 信号灯检测

1.12 人车检测

1.13 火焰检测

1.14 手部检测

1.15 人脸检测

2.分类模型

2.1 活体检测

2.2 手四分类

2.3 手势关键点分类

2.4 人脸属性

2.5 婴儿啼哭分类

2.6 语音分类

3 关键点检测

3.1 手关键点

3.2 车牌关键点

3.3 人体关键点

4.车道线回归

5.实例分割

6.语义分割

7.目标跟踪

8.车牌识别

9.特征提取

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Contributors 3

Uh oh!

Packages