PaddleSlim重磅开源SlimX系列13个小模型，覆盖人脸识别、分类、检测和OCR_paddleslim发布了slimmobilenet、slimfacenet、slimdetnet、

点击左上方蓝字关注我们

模型小型化，why？

 

AI服务的计算环境发生了翻天覆地的变化，已逐渐从云端向移动端和IoT蔓延渗透。据统计，近几年AIoT的市场规模以40%以上的实际速度在增长，而且预期未来几年还保持着一个相当高的增长趋势。与此同时，也带来了前所未有的新型交互需求。比如，在智能屏音箱上，不方便语音的时候使用手势控制；看视频时，在耗电量微乎其微的情况下，可以通过表情识别，为你喜欢的视频自动点赞。

图 1 沉浸式、无感知的新型交互需求

然而，一个反差是，硬件的计算能力，从云到移动端、到IoT，算力以三个数量级的比例在下降，内存也在大幅下降，尤其是边缘芯片内存只有100K。而实际需要运行在这些AIoT设备上的算法需要关注的三个方面，即：算法效果(精度)、计算速度(FLOPs)、模型大小。最理想的选择是算法效果好、计算量低，尤其是实际耗时要少，同时，模型要小到内存足够放得下。

而云端上的经验告诉我们，要想效果好，模型得足够大！

那怎么样解决这个矛盾呢？很多专家提供人工经验去设计端上的模型，并且得到了广泛的应用。

然而这些依旧存在两个问题：

• 如何利用现存优秀的云端模型。

• 如何产生任务自适应的模型。

对于这两个问题，我们给出的答案是：模型小型化！

图2 PaddleSlim-效果不降的模型压缩工具箱

我们希望在有限计算资源的情况下保持效果不降，对已有模型进行压缩，并针对任务自动设计出新模型，这些功能都浓缩在百度飞桨和视觉团队共同研发的PaddleSlim工具箱里，自去年对外开源PaddleSlim，这个工具箱的内容到现在一直还在持续丰富，从量化、蒸馏、剪枝到网络结构搜索，一应俱全。

截止到现在，我们通过PaddleSlim打磨出了用于通用任务的分类、检测和用于垂类任务的人脸识别、文字识别（OCR）等多个业界领先的工业级小模型，它们是SlimMobileNet、SlimFaceNet、SlimDetNet、SlimTextNet等等。

为了进一步促进模型小型化技术的产业应用，PaddleSlim将开源所有Slim系列模型！

图3 Slim系列模型开源

 

PaddleSlim分类、检测最新优化

 

近日，PaddleSlim发布了SlimMobileNet、SlimFaceNet、SlimDetNet、SlimTextNet四大系列13个业界领先的工业级小模型。

 

分类：CVPR冠军模型，业界首个开源的FLOPs不超300M、ImageNet精度超过80%的分类小模型

 

在图像分类任务上，PaddleSlim发布的SlimMobileNet是基于百度自研的GP-NAS（CVPR2020）AutoDL技术以及自研的蒸馏