此处提供了 PULC 模型库的相关指标和模型的下载链接，其中预训练模型可以用来微调训练，推理模型可以直接用来预测和部署。
| 模型名称 | 使用介绍 | 模型介绍 | 模型精度 | 模型大小 | 推理耗时 | 下载地址 |
|---|---|---|---|---|---|---|
| person_exists | PULC有人/无人分类 | 判断图片中是否有人 | 96.23 | 7.0M | 2.58ms | 推理模型 / 预训练模型 |
| person_attribute | PULC人体属性识别 | 人体属性识别，可以识别行人性别、年龄、朝向、配饰、包、服装风格等 | 78.59 | 7.2M | 2.01ms | 推理模型 / 预训练模型 |
| safety_helmet | PULC佩戴安全帽分类 | 判断图片中的人脸是否佩戴安全帽 | 99.38 | 7.1M | 2.03ms | 推理模型 / 预训练模型 |
| traffic_sign | PULC交通标志分类 | 常见交通标志分类，共232类别 | 98.35 | 8.2M | 2.10ms | 推理模型 / 预训练模型 |
| vehicle_attribute | PULC车辆属性识别 | 车辆属性识别，可以识别车辆的颜色和车型 | 90.81 | 7.2M | 2.36ms | 推理模型 / 预训练模型 |
| car_exists | PULC有车/无车分类 | 判断图片中是否有车 | 95.92 | 7.1M | 2.38ms | 推理模型 / 预训练模型 |
| text_image_orientation | PULC含文字图像方向分类 | 判断含文字的图片的方向，可以区分0度、90度、180度、270度 | 99.06 | 7.1M | 2.16ms | 推理模型 / 预训练模型 |
| textline_orientation | PULC文本行方向分类 | 判断文本行的方向，可以区分0度、180度 | 96.01 | 7.0M | 2.72ms | 推理模型 / 预训练模型 |
| language_classification | PULC语种分类 | 判断文本行的语种，可以区分10种常见的语种 | 99.26 | 7.1M | 2.58ms | 推理模型 / 预训练模型 |
| table_attribute | PULC表格属性识别 | 表格属性识别，可以识别表格是否为拍照、表格数量、表格颜色、表格清晰度、表格有无干扰、表格角度6个属性 | 88.1 | 7.1M | 2.58ms | 推理模型 / 预训练模型 |
| code_exists | PULC有无广告码 | 判断图片中有无广告码，其中，这里广告码包含二维码、条形码、小程序码 | 94.9 | 7.0M | 2.13ms | 推理模型 / 预训练模型 |
| clarity_assessment | PULC清晰度评估 | 判断图片的清晰度 | 95.3 | 7.0M | 2.13ms | 推理模型 / 预训练模型 |
| image_orientation | PULC图像方向分类 | 判断图片的清晰度 | 89.99 | 7.1M | 2.16ms | 推理模型 / 预训练模型 |
备注：
-
以上所有的模型的 backbone 均为 PPLCNet_x1_0，部分模型大小不同是由于分类的输出大小不同导致的，推理耗时是基于Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz 测试得到，其中测试过程开启 MKLDNN 加速策略，线程数为10。速度测试过程会有轻微波动。
-
person_exists、safety_helmet、car_exists 的评测指标为 TprAtFpr；person_attribute、vehicle_attribute、table_attribute 的评测指标为mA；traffic_sign、text_image_orientation、textline_orientation、language_classification、code_exists、clarity_assessment、image_orientation 的评测指标为Top-1 Acc。