图像分类任务网络选型参考

• 大多数情况建议使用 ResNet50和SE-ResNeXt50，模型效果稳定，并且预测时间较短。SE-ResNeXt50相比ResNet50增加了SE模块，能进一步提高准确率，但是预测时间稍有增加
• 当数据量较大并且要求更高的准确率时，建议从 ResNet101，ResNeXt101_32x16d_wsl，Xception71，Res2Net101_vd_26w_4s，SE-ResNeXt101，EffcientNetB4 中选择模型，预测时间相比ResNet50会更长
• 如果要求预测时间或模型体积尽量小时，建议使用 MobileNetV2，MobileNetV3_large_xi_0，ResNet18_vd，EffcientNetB0_small，SE_ResNet18_vd，
• 如果数据量不大，由于模型复杂度较大，一般情况不建议使用NASNet

物体检测任务网络选型参考

• 如果重视预测速度，优先使用 SSD-MobileNetV1，YOLOv3-MobileNetV1
• 如果重视模型精度，优先使用 YOLOv3-ResNet50vd_DCN，Faster_R-CNN-ResNet50-FPN，RetinaNet-ResNet50-FPN，Cascade Faster-ResNet50-FPN
• 如果在预测速度和模型精度上折中，可以使用 YOLOv3-DarkNet

实例分割任务网络选型参考

• 大多数情况建议使用 Mask_RCNN-ResNet50-VD-FPN，模型效果稳定，预测时间适中
• 当重视模型精度时，优先使用 Cascade_Mask_RCNN-RestNet50-FPN