企业官网建设流程全解析

• 人工智能
• 深度学习
• 计算机视觉
• NLP
• 语音

飞桨（PaddlePaddle）围绕企业产业落地中的精度、速度、部署成本等痛点，打造了覆盖图像分类、目标检测、图像分割、OCR 文档智能、视频理解、NLP 大模型与语音识别合成的 PP 系列模型，在精度与预测效率之间取得平衡。本文以 docs/official/PP-Models.md 为骨架，逐套件梳理全部 PP 系列模型的定位、关键指标与设计思路，并结合本仓库 modelcenter 模型中心与 paddlecv 配置体系，说明每个模型在仓库中的快速开始路径，帮助读者按任务与硬件条件完成模型选型并快速跑通。

PP 系列模型是什么：面向产业实践的精度-效率平衡方案

根据 docs/official/PP-Models.md 的说明，飞桨打造 PP 系列模型的核心出发点，是解决用户产业实践中的痛点问题——既要模型精度足够支撑业务，又要预测效率满足实时或成本约束，最终实现模型精度与预测效率的最佳平衡，满足企业落地实际需求。

在整个官方模型库中，PP 系列处于核心位置。按 docs/official/README.md 的描述，官方模型库面向产业实践、数量超过 600 个，其中「飞桨 PP 系列模型」以「效果与精度最佳平衡」为定位，由飞桨官方实现并提供持续技术支持与答疑，且与飞桨核心框架版本对齐、经过充分测试保证。PP 系列模型横跨以下开发套件：

下文按套件逐一展开，关键指标均来自 docs/official/PP-Models.md 的官方声明。

PaddleClas：CPU/GPU 骨干网络与轻量图像识别系统

PaddleClas 的 PP 系列聚焦「骨干网络」与「图像识别系统」两个方向：前者解决分类模型的效率问题，后者解决海量图像的检索识别问题。

PP-LCNet：CPU 轻量级骨干网络

PP-LCNet 是面向 CPU 场景的轻量级骨干网络，提供 8 种不同尺度的模型（在 docs/official/README.md 的官方模型列表中对应 PPLCNet_x0_25 至 PPLCNet_x2_5 等 8 个权重档位）。其官方核心指标为：

• 在 ImageNet 1k 分类数据集上精度可达71.32%；
• 相比 MobileNetV3-Small x0.35 模型提高 18 个百分点；
• Intel CPU 硬件上预测速度超过 400 FPS，相比 MobileNetV3-Small x0.35 提高 22%。

对应模型中心入口为 modelcenter/PP-LCNet，其中 info.yaml 将 PP-LCNet 描述为「面向 Intel CPU 端的轻量级卷积神经网络」，提供 ImageNet1k 数据集、Apache-2.0 许可等元信息；该目录还包含 introduction_cn.ipynb、download_cn.md、benchmark_cn.md、fastdeploy_cn.md 等完整配套资料。在 paddlecv/configs/single_op/PP-LCNet.yml 中可以看到其在 PaddleCV 统一配置体系下的算子级配置入口。

PP-LCNetV2：基于 PP-LCNet 优化的轻量级 SOTA 骨干网络

PP-LCNetV2 是 PP-LCNet 的升级版本：

• ImageNet 1k 精度可达77.04%，相较 MobileNetV3-Large x1.25提高 0.64 个百分点；
• Intel CPU 上预测速度可达230 FPS，相比 MobileNetV3-Large x1.25提高 20%。

模型中心入口为 modelcenter/PP-LCNetV2，对应的 paddlecv/configs/single_op/PP-LCNetV2.yml 同样提供单算子级配置。

PP-HGNet：GPU 高性能骨干网络

PP-HGNet 面向 Nvidia GPU 场景：

• ImageNet 1k 精度可达79.83% / 81.51%（不同规格）；
• 同等速度下相较 ResNet34-D 提高 3.8 个百分点，相较 ResNet50-D 提高 2.4 个百分点；
• 在使用百度自研SSLD 蒸馏策略后，精度相较 ResNet50-D提高 4.7 个百分点。

modelcenter/PP-HGNet/info.yaml 将其定位为「面向 Nvidia GPU 端的高性能卷积神经网络」，完整资料见 modelcenter/PP-HGNet；配置入口见 paddlecv/configs/single_op/PP-HGNet.yml。

PP-ShiTu 与 PP-ShiTuV2：轻量图像识别系统

PP-ShiTu 是轻量图像识别系统，集成了目标检测、特征学习、图像检索等模块，广泛适用于各类图像识别任务，官方声明其CPU 上 0.2s 即可完成在 10w+ 库的图像识别。

PP-ShiTuV2 是基于 PP-ShiTuV1 改进的实用轻量级通用图像识别系统，由主体检测、特征提取、向量检索三个模块构成，相比 V1 具有更高的识别精度、更强的泛化能力以及相近的推理速度。模型中心入口分别为 modelcenter/PP-ShiTu 与 modelcenter/PP-ShiTuV2，在 paddlecv/configs/system/PP-ShiTu.yml 与 paddlecv/configs/system/PP-ShiTuV2.yml 中可看到其作为系统级（多算子串联）流程的配置方式。

PaddleDetection：目标检测、跟踪与人体/车辆分析

PaddleDetection 的 PP 系列覆盖从通用检测到端侧超轻量检测、从单模型到多任务流水线的完整谱系。

PP-YOLO / PP-YOLOv2 / PP-YOLOE / PP-YOLOE+：YOLO 系列演进

对应模型中心入口：modelcenter/PP-YOLO、modelcenter/PP-YOLOv2、modelcenter/PP-YOLOE、modelcenter/PP-YOLOE+；配置入口：paddlecv/configs/single_op/PP-YOLO.yml、paddlecv/configs/single_op/PP-YOLOv2.yml、paddlecv/configs/single_op/PP-YOLOE.yml、paddlecv/configs/single_op/PP-YOLOE+.yml。

PP-PicoDet：超轻量级目标检测

PP-PicoDet 提供xs/s/m/l 四种尺寸，其中 s 版本参数量仅1.18M，却可达到32.5% mAP，相较 YOLOX-Nano 精度高 6.7%、速度快 26%；同时优化量化部署方案，实现在移动端部署加速 30%+。模型中心入口为 modelcenter/PP-PicoDet，单算子配置见 paddlecv/configs/single_op/PP-PicoDet.yml。

PP-Tracking：实时多目标跟踪工具

PP-Tracking 融合目标检测、行人重识别、轨迹融合等核心能力，提供行人车辆跟踪、跨镜头跟踪、多类别跟踪、小目标跟踪及流量计数等能力与产业应用。

PP-TinyPose / PP-TinyPose+：超轻量级人体关键点检测

• PP-TinyPose：超轻量级人体关键点检测算法，单人场景 FP16 推理可达122 FPS、精度 51.8% AP，具有精度高速度快、检测人数无限制、微小目标效果好的特点。模型中心入口为 modelcenter/PP-TinyPose，info.yaml 展示其同时挂载「目标检测」与「关键点检测」两个任务标签，并附有「智能健身动作识别」产业范例；系统级配置见 paddlecv/configs/system/PP-TinyPose.yml。
• PP-TinyPose+：PP-TinyPose 升级版，在健身、舞蹈等场景的业务数据集端到端 AP 提升 9.1；新增体育场景真实数据，复杂动作识别效果显著提升，覆盖侧身、卧躺、跳跃、高抬腿等非常规动作；检测模型升级为 PP-PicoDet 增强版（COCO 数据集精度提升 3.1%）；关键点稳定性增强，新增滤波稳定方式，视频预测结果更加稳定平滑。

PP-Human / PP-HumanV2：产业级实时行人分析

• PP-Human：产业级实时行人分析工具，支持属性分析、行为识别、流量计数/轨迹留存三大功能，覆盖目标检测、多目标跟踪、属性识别、关键点检测、行为识别和跨镜跟踪六大核心技术。系统级配置见 paddlecv/configs/system/PP-Human.yml 与 paddlecv/configs/system/PP-Human-Attr.yml。
• PP-HumanV2：新增打架、打电话、抽烟、闯入四大行为识别，底层算法性能升级，覆盖行人检测、跟踪、属性三类核心算法能力，提供保姆级全流程开发及模型优化策略。完整代码与配置在 modelcenter/PP-HumanV2（含 pipeline、pptracking、python 三套代码目录与 app.py、app.yml）。

PP-Vehicle：车辆识别与分析

PP-Vehicle 提供车牌识别、车辆属性分析（颜色、车型）、车流量统计以及违章检测四大功能，完善的文档教程支持高效完成二次开发与模型优化。完整实现位于 modelcenter/PP-Vehicle（同样包含 pipeline、pptracking、python 三套代码目录），系统级配置见 paddlecv/configs/system/PP-Vehicle.yml。

PaddleSeg：人像分割、轻量语义分割与高精度抠图

PaddleSeg 的 PP 系列同时覆盖「人像场景」与「通用场景」。

PP-HumanSeg / PP-HumanSegV2：人像分割系列

• PP-HumanSeg：在大规模人像数据上训练的人像分割系列模型，提供多种模型满足 Web 端、移动端、服务端多种使用场景。其中PP-HumanSeg-Lite采用轻量级网络设计、连通性学习策略、非结构化稀疏技术，实现体积、速度和精度的平衡（参数量137K、速度95 FPS、mIoU 达93%）。
• PP-HumanSegV2：改进版本，肖像分割模型推理耗时减小 45.5%、mIoU提升 3.03%、可视化效果更佳，通用人像分割模型的推理速度和精度也有明显提升。模型中心入口为 modelcenter/PP-HumanSegV2，配置见 paddlecv/configs/single_op/PP-HumanSegV2.yml。

PP-HumanMatting / PP-Matting / PP-MattingV2：抠图系列

• PP-HumanMatting：通过低分辨率粗预测和高分辨率 Refine 的两阶段设计，在增加小量计算量的情况下，有效保持高分辨率（>2048）人像抠图中细节信息。
• PP-Matting：通过引导流设计，实现语义引导下的高分辨率细节预测，进而实现trimap-free高精度图像抠图，在公开数据集 Composition-1k 和 Distinctions-646 测试集取得了 SOTA 效果。完整代码与配置见 modelcenter/PP-Matting（含 APP1 目录下的 app.py、predict.py、download.py 等）。
• PP-MattingV2：轻量级抠图模型，通过双层金字塔池化及空间注意力提取高级语义信息，并利用多级特征融合机制兼顾语义和细节的预测。对比 MODNet 模型推理速度提升 44.6%，误差平均相对减小 17.91%；追求更高速度时推荐使用。对应 paddlecv/configs/single_op/PP-MattingV1.yml。

PP-LiteSeg：通用轻量级语义分割

PP-LiteSeg 使用灵活高效的解码模块、统一注意力融合模块、轻量的上下文模块，针对 Nvidia GPU 上的产业级分割任务实现精度和速度的平衡：在 1080ti 上精度为 mIoU72.0（Cityscapes 数据集）时，速度高达273.6 FPS。模型中心入口为 modelcenter/PP-LiteSeg，配置见 paddlecv/configs/single_op/PP-LiteSeg.yml。

PaddleOCR：两阶段 OCR 系统与文档智能分析

PaddleOCR 的 PP 系列覆盖「文字识别」与「文档分析」两大场景。

PP-OCR / PP-OCRv2 / PP-OCRv3：OCR 系统代际演进

模型中心入口：modelcenter/PP-OCRv2、modelcenter/PP-OCRv3。其中 modelcenter/PP-OCRv3/info.yaml 表明其训练数据来自 ICDAR 2015、LSVT、RCTW-17、Total-Text、ArT 等公开数据集，并附有「电表检测识别」「PCB 字符识别」两个产业范例；系统级配置见 paddlecv/configs/system/PP-OCRv2.yml、paddlecv/configs/system/PP-OCRv3.yml。

PP-Structure / PP-StructureV2：智能文档分析系统

• PP-Structure：一套智能文档分析系统，支持版面分析、表格识别（含 Excel 导出）、关键信息提取与 DocVQA（含语义实体识别和关系抽取）。
• PP-StructureV2：基于 PP-Structure 全面升级，适配中文场景，新增支持版面复原，支持一行命令完成 PDF 转 Word。模型中心入口为 modelcenter/PP-StructureV2；在 paddlecv/configs/system 中可看到其拆分为版面分析（PP-Structure-layout-table.yml）、语义实体识别（PP-Structure-ser.yml）、关系抽取（PP-Structure-re.yml）、表格识别（PP-Structure-table.yml）等多个子任务配置。

PaddleGAN 与 PaddleVideo：视频超分与视频理解

PP-MSVSR：高精度视频超分

PP-MSVSR 提供1.45M 和 7.4M 两种参数量大小的模型，以PSNR 32.53、SSIM 0.9083达到业界 SOTA；对输入视频的分辨率不限制，支持分辨率一次提升 400%。模型中心入口为 modelcenter/PP-MSVSR。

PP-TSM / PP-TSMv2：高精度实用视频分类

• PP-TSM：高精度 2D 实用视频分类模型，在不增加参数量和计算量的情况下，在 UCF-101、Kinetics-400 等数据集上精度显著超过 TSM 原始模型。
• PP-TSMv2：沿用部分 PP-TSM 优化策略，从骨干网络与预训练模型选择、数据增强、tsm 模块调优、输入帧数优化、解码速度优化、DML 蒸馏、时序 attention 模块等 7 个方面进行调优；在中心采样评估方式下精度达到75.16%，输入 10s 视频在 CPU 端的推理速度仅需456ms。模型中心入口为 modelcenter/PP-TSM。

PaddleNLP：多语言预训练、通用信息抽取与文档大模型

PaddleNLP 的 PP 系列以 ERNIE 家族为主体，覆盖多语言建模、通用信息抽取、轻量级文本预训练与跨模态文档智能。

ERNIE-M：多语言预训练模型

ERNIE-M 提出基于回译机制，从单语语料中学习语言间的语义对齐关系，在跨语言自然语言推断、语义检索、语义相似度、命名实体识别、阅读理解等各种跨语言下游任务中取得了 SOTA 效果。模型中心入口为 modelcenter/ERNIE-M。

ERNIE-UIE：通用信息抽取模型

ERNIE-UIE 实现实体抽取、关系抽取、事件抽取、情感分析等任务的统一建模，使不同任务间具备良好的迁移和泛化能力；支持文本、跨模态文档的信息抽取，支持中、英、中英混合文本抽取，零样本和小样本能力卓越。模型中心入口为 modelcenter/ERNIE-UIE（含可直接运行的 app.py 与 app.yml）。

ERNIE 3.0 系列：在线蒸馏得到的轻量级文本预训练模型

在文心大模型 ERNIE 3.0 基础上通过在线蒸馏技术得到四个轻量级规格，CLUE 评测验证其在同等规模模型中效果 SOTA：

统一模型中心入口为 modelcenter/ERNIE-3.0（含 introduction_cn.ipynb、download_cn.md、benchmark_cn.md、fastdeploy_cn.md 等）。

ERNIE-Layout：多语言跨模态布局增强文档智能大模型

ERNIE-Layout 将布局知识增强技术融入跨模态文档预训练，在多项文档理解任务上刷新效果（官方声明登顶 DocVQA 榜首）。模型中心入口为 modelcenter/ERNIE-Layout。

ERNIE-ViL：场景图知识多模态预训练模型

ERNIE-ViL 是业界首个融合场景图知识的多模态预训练模型，在视觉常识推理、视觉问答、引用表达式理解、跨模态图像检索、跨模态文本检索等典型多模态任务中刷新世界最好效果，并在视觉常识推理任务（VCR）上登顶榜首。

PaddleSpeech：语音识别、语音合成与声纹检索

PP-ASR：流式语音识别系统

PP-ASR 是基于端到端神经网络结构模型的流式语音识别系统，支持实时语音识别服务，支持 Language Model 解码与个性化识别。模型中心入口为 modelcenter/PP-ASR。

PP-TTS：流式语音合成系统

PP-TTS 是基于端到端神经网络结构的流式语音合成系统，支持流式声学模型与流式声码器，开源快速部署流式合成服务方案。模型中心入口为 modelcenter/PP-TTS。

PP-VPR：声纹提取与检索系统

PP-VPR 使用ECAPA-TDNN模型提取声纹特征，识别等错误率（EER）低至0.95%；通过串联 MySQL 和 Milvus 搭建完整的音频检索系统，实现毫秒级声音检索。

ERNIE-SAT：语音-语言跨模态大模型

ERNIE-SAT 在语音编辑、个性化语音合成以及跨语言的语音合成等多个任务取得领先效果，可应用于语音编辑、个性化合成、语音克隆、同传翻译等一系列场景。

在仓库中快速上手 PP 系列模型

本仓库为每个 PP 模型提供了结构统一的模型中心（modelcenter），可直接作为快速开始入口。以 modelcenter/PP-LCNet 为例，目录内包含：

• info.yaml：模型元信息，包括名称、中英文简介、来源套件（from_repo）、任务与子任务标签、数据集、发布方、License、论文、是否支持训练（IfTraining）与在线 Demo（IfOnlineDemo）等；
• introduction_cn.ipynb / introduction_en.ipynb：模型原理与应用场景介绍（Notebook 形式，可在线运行）；
• download_cn.md / download_en.md：各任务场景下的推理模型与预训练模型文件下载说明；
• benchmark_cn.md / benchmark_en.md：训练与推理 Benchmark，包括软硬件环境、数据集、训练和推理指标等评估数据；
• fastdeploy_cn.md / fastdeploy_en.md：基于 FastDeploy 的快速部署方案；
• APP/：部分模型提供可运行的在线体验 Demo 代码（Streamlit / Gradio），如 modelcenter/PP-HumanV2/APP、modelcenter/PP-OCRv3/APP。

按照 modelcenter/guide_cn.md 的说明，体验方式有三种：一是在 AI Studio 深度学习实训平台直接在线运行；二是在 BML 产业 AI 中台实践；三是下载压缩包到本地（需提前安装好飞桨框架基础环境），压缩包内不包含模型训练文件和推理文件。

对于希望以统一配置方式串联多模型/多算子的开发者，仓库提供了 paddlecv 这一面向产业应用的 CV 能力库：

• 单算子配置（paddlecv/configs/single_op）：如 PP-LCNet、PP-HGNet、PP-PicoDet、PP-YOLOE+、PP-LiteSeg 等，每个模型一个 YAML；
• 系统级配置（paddlecv/configs/system）：如 PP-Human、PP-Vehicle、PP-OCRv3、PP-ShiTuV2、PP-TinyPose 等，描述多模型串联的完整流水线；
• 运行入口为 paddlecv/paddlecv.py 与 paddlecv/tools/predict.py，并有配套测试（paddlecv/tests）与文档（paddlecv/docs/GETTING_STARTED.md、paddlecv/docs/INSTALL.md）。

模型选型参考

结合 docs/official/PP-Models.md 提供的官方指标，可按硬件与场景做如下初步选型（属于对文档数据的归纳，具体仍需结合业务数据集验证）：

• CPU 端分类骨干：追求极致速度选 PP-LCNet（400+ FPS 档），兼顾精度选 PP-LCNetV2（77.04% / 230 FPS）；GPU 端分类骨干选 PP-HGNet，配合 SSLD 蒸馏可进一步提升；
• 端侧/移动端检测：选 PP-PicoDet（1.18M 参数、支持量化部署）；云边一体检测选 PP-YOLOE/PP-YOLOE+ 的 s/m/l/x 多尺度系列；
• 人体/车辆分析：PP-HumanV2 覆盖检测、跟踪、属性与行为识别，PP-Vehicle 覆盖车牌、属性、流量与违章检测，均提供完整的 pipeline 代码可直接二次开发；
• OCR 与文档智能：通用 OCR 选 PP-OCRv3，文档版面/表格/关键信息抽取选 PP-StructureV2；
• 视频：超分选 PP-MSVSR，分类选 PP-TSMv2；
• NLP/语音：信息抽取选 ERNIE-UIE（零样本/小样本），轻量文本预训练选 ERNIE 3.0 系列，语音识别/合成/声纹分别对应 PP-ASR、PP-TTS、PP-VPR。

小结

飞桨 PP 系列模型的价值在于：它不是孤立的模型集合，而是围绕「精度与效率平衡」的产业诉求，在 PaddleClas、PaddleDetection、PaddleSeg、PaddleOCR、PaddleGAN、PaddleVideo、PaddleNLP、PaddleSpeech 八大套件中形成的一整套可落地能力。本仓库通过 modelcenter 的统一模型中心（元信息、介绍、下载、Benchmark、FastDeploy、Demo）与 paddlecv 的配置化流水线，把从模型了解、数据准备、训练评估到部署集成的全流程都收敛到了可复现的路径上。开发者可以直接以 docs/official/PP-Models.md 为索引，按任务类型进入对应模型的模型中心完成快速开始。

• 人工智能
• 深度学习
• 计算机视觉
• NLP
• 语音