TensorFlow 1 Detection Model Zoo 完全指南：TF1 Object Detection API 预训练模型选型与使用

TensorFlow Models 仓库（research/object_detection，即 TensorFlow Object Detection API）为 TensorFlow 1 时代维护了一套官方预训练检测模型集合，即本文主题 TF1 Detection Model Zoo。本指南以该 Model Zoo 官方文档为骨架，完整解读其覆盖的数据集、每张表格中模型名与速度/精度的含义、压缩包内文件构成，并结合仓库内的训练配置文件与导出工具，说明如何从模型库出发完成开箱推理或作为迁移学习初始化权重，帮助你在 COCO、Kitti、Open Images 等场景中快速选定合适的检测架构。

一、Model Zoo 是什么：覆盖哪些数据集与模型

TF1 Detection Model Zoo 提供了一批已在公开数据集上预训练好的检测模型，你下载的是一个 tar.gz 压缩包，其中既包含可直接用于推理的冻结图，也包含可继续训练/微调的 checkpoint 与训练配置。官方文档明确其两大用途：

• 若你的目标类别恰好属于下述数据集（如 COCO 的 80/90 类），可直接用于开箱（out-of-the-box）推理；
• 若你在新数据集上训练，这些模型非常适合作为初始化权重（fine-tune checkpoint），显著缩短收敛时间。

模型库覆盖的数据集（以官方文档为准）包括：

数据集	说明
COCO	目标检测基准数据集，模型数量最多，分 COCO 14 架构训练
Kitti	自动驾驶场景数据集（faster_rcnn_resnet101_kitti）
Open Images	大规模检测数据集，区分 OID v2 与 OID v4 两批模型
AVA v2.1	时空动作定位数据集
iNaturalist Species Detection	物种检测数据集（FGVC）
Snapshot Serengeti	相机陷阱（Camera Trap）野生动物数据集，含 Context R-CNN 模型

对应代码结构上，每个模型的训练配置位于 research/object_detection/samples/configs 目录（当前仓库共有 64 个 .config 配置文件），涵盖 SSD（MobileNet/Inception/ResNet 主干）、Faster R-CNN、R-FCN、Mask R-CNN、Context R-CNN、MobileDet、SpaghettiNet 等主流检测与实例分割架构。

二、模型压缩包：下载后的目录结构

官方文档给出统一解压方式：

tar -xzvf ssd_mobilenet_v1_coco.tar.gz

解压后目录内通常包含以下文件：

文件	用途
graph.pbtxt	图结构文本（graph proto）
model.ckpt.data-00000-of-00001 / model.ckpt.index / model.ckpt.meta	训练 checkpoint（用于继续训练或重新导出）
frozen_inference_graph.pb	权重已冻结为常量的推理图，可直接用于开箱推理（可在 Jupyter notebook 中体验）
pipeline.config	生成该模型所用的训练/推理配置，与 samples/configs 下对应配置文件一致，但通常将 score threshold 调整为更接近部署场景的值
model.tflite	仅移动端模型包含：可部署到移动设备的 TFLite 文件

文档特别说明两点细节：

1. 重度 Faster R-CNN 模型的加速版：对于推理耗时较长的 Faster R-CNN 模型，模型库额外提供一种使用大幅减少 proposal 数量的版本（对应表中以 lowproposals 命名的行），以换取速度提升。
2. 量化模型的文件差异：若下载的是量化（quantized）模型 tar.gz，解压后得到的是一组不同的文件——即 checkpoint、一个配置文件，以及 TFLite 冻结图（txt/binary 格式），而不是普通的 frozen_inference_graph.pb。与之呼应的训练配置（如 ssd_mobilenet_v2_quantized_300x300_coco.config、facessd_mobilenet_v2_quantized_320x320_open_image_v4.config）也一并提供在仓库中，可用于复现训练与导出流程。

三、读懂模型表格：四个关键字段

官方 Model Zoo 的每张表都围绕四个信息维度组织：

1. Model name：模型名与 samples/configs 目录中的某个训练配置文件一一对应。下表列出的模型名与其在仓库中的配置对应关系（当前仓库可确认的文件）如下，例如 ssd_mobilenet_v1_coco 对应 ssd_mobilenet_v1_coco.config，faster_rcnn_inception_resnet_v2_atrous_coco 对应 faster_rcnn_inception_resnet_v2_atrous_coco.config。实践中训练新模型时即可沿用这些配置。

2. Speed (ms)：报告的是每张 600×600 图像的运行时间（包含全部前处理与后处理）。官方文档强调该耗时高度依赖具体硬件——下表数据在 Nvidia GeForce GTX TITAN X 上测得，应更多作为相对速度参考而非绝对指标；同时桌面 GPU 耗时并不能代表移动端表现（例如 MobileNet V2 在移动设备上比 MobileNet V1 更快，但在桌面 GPU 上反而稍慢）。

3. mAP：按数据集区分的精度指标。COCO 模型报告 COCO mAP（[^1]）；Kitti/iNaturalist/AVA 报告 Pascal mAP@0.5；Open Images 与 Serengeti 使用各自评测协议。文档说明 mAP 一律四舍五入到最近整数。

4. Outputs：输出类型，Boxes 表示仅检测框，Masks 表示同时输出实例分割掩码（对应 Mask R-CNN 模型）。

四、COCO-trained 模型全表

COCO 系列是 Model Zoo 的核心，覆盖 SSD、SSD+FPN、Faster R-CNN、R-FCN、Mask R-CNN、NAS 等多种架构。表中 COCO mAP 在 COCO 14 minival 集上评测（注意该划分与 COCO 17 Val 不同；本次评测所用图片 id 完整列表见仓库文件 data/mscoco_minival_ids.txt）。

Model name（仓库对应配置）	Speed (ms)	COCO mAP[^1]	Outputs
ssd_mobilenet_v1_coco（config）	30	21	Boxes
ssd_mobilenet_v1_0.75_depth_coco ☆（config）	26	18	Boxes
ssd_mobilenet_v1_quantized_coco ☆（config）	29	18	Boxes
ssd_mobilenet_v1_0.75_depth_quantized_coco ☆（config）	29	16	Boxes
ssd_mobilenet_v1_ppn_coco ☆（config）	26	20	Boxes
ssd_mobilenet_v1_fpn_coco ☆（config）	56	32	Boxes
ssd_resnet_50_fpn_coco ☆（config）	76	35	Boxes
ssd_mobilenet_v2_coco（config）	31	22	Boxes
ssd_mobilenet_v2_quantized_coco（config）	29	22	Boxes
ssdlite_mobilenet_v2_coco（config）	27	22	Boxes
ssd_inception_v2_coco（config）	42	24	Boxes
faster_rcnn_inception_v2_coco（config）	58	28	Boxes
faster_rcnn_resnet50_coco（config）	89	30	Boxes
faster_rcnn_resnet50_lowproposals_coco	64	—	Boxes
rfcn_resnet101_coco（config）	92	30	Boxes
faster_rcnn_resnet101_coco（config）	106	32	Boxes
faster_rcnn_resnet101_lowproposals_coco	82	—	Boxes
faster_rcnn_inception_resnet_v2_atrous_coco（config）	620	37	Boxes
faster_rcnn_inception_resnet_v2_atrous_lowproposals_coco	241	—	Boxes
faster_rcnn_nas（config）	1833	43	Boxes
faster_rcnn_nas_lowproposals_coco	540	—	Boxes
mask_rcnn_inception_resnet_v2_atrous_coco（config）	771	36	Masks
mask_rcnn_inception_v2_coco（config）	79	25	Masks
mask_rcnn_resnet101_atrous_coco（config）	470	33	Masks
mask_rcnn_resnet50_atrous_coco（config）	343	29	Masks

模型名带 ☆（星号）的含义：表示该模型支持 TPU 训练。从源码目录结构看，_sync 后缀的 config 版本即是为同步多卡/TPU 训练准备的（例如 ssd_mobilenet_v1_300x300_coco14_sync.config）。

关于 COCO mAP 数字的解读：上表除 Pixel 6 Edge TPU 模型外，mAP 均在 COCO 14 minival 集（而非 COCO 17 Val）上评测，官方划分的全部图像 id 见 data/mscoco_minival_ids.txt，评测协议为 MSCOCO evaluation protocol。

移动端模型（Mobile models）

移动端模型表格的评测维度是 Pixel 1 上的延迟（ms），mAP 为 COCO 14 minival 上的结果。相比桌面 GPU 速度表，该表更能反映手机端推理表现：

Model name（仓库对应配置）	Pixel 1 Latency (ms)	COCO mAP	Outputs
ssd_mobiledet_cpu_coco（config）	113	24.0	Boxes
ssd_mobilenet_v2_mnasfpn_coco（config）	183	26.6	Boxes
ssd_mobilenet_v3_large_coco（config）	119	22.6	Boxes
ssd_mobilenet_v3_small_coco（config）	43	15.4	Boxes

其中 ssd_mobilenet_v3_small 以 43ms 延迟实现 15.4 mAP，是典型的超低延迟方案；MobileDet CPU 模型在 113ms 内达到 24.0 mAP，综合表现均衡。

Pixel 4 Edge TPU 模型

在 Pixel 4 Edge TPU 上测得的延迟（ms），并同时报告 fp32 与 uint8 两种精度的 COCO mAP：

Model name	Pixel 4 Edge TPU Latency (ms)	COCO mAP (fp32/uint8)	Outputs
ssd_mobiledet_edgetpu_coco（config）	6.9	25.9 / 25.6	Boxes
ssd_mobilenet_edgetpu_coco（config）	6.6	— / 24.3	Boxes

可见在 Edge TPU 硬件加速下，延迟压缩到个位数毫秒级别，且 uint8 量化几乎不损失精度（25.6 vs 25.9），适合端侧实时检测。

Pixel 4 DSP 模型

在 Pixel 4 DSP 上评测的 MobileDet 变体：

Model name	Pixel 4 DSP Latency (ms)	COCO mAP (fp32/uint8)	Outputs
ssd_mobiledet_dsp_coco（config）	12.3	28.9 / 28.8	Boxes

五、其他数据集训练的模型

Kitti-trained

Model name	Speed (ms)	Pascal mAP@0.5	Outputs
faster_rcnn_resnet101_kitti（config）	79	87	Boxes

Open Images-trained（OID v2 系列）

OID v2 系列使用的 Open Images 评测为 PASCAL mAP 的变体（true positives 计算方式略有不同），细节见 evaluation_protocols.md 中 oid_V2_detection_metrics 一节：

Model name	Speed (ms)	Open Images mAP@0.5[^2]	Outputs
faster_rcnn_inception_resnet_v2_atrous_oidv2（config）	727	37	Boxes
faster_rcnn_inception_resnet_v2_atrous_lowproposals_oidv2	347	—	Boxes
facessd_mobilenet_v2_quantized_open_image_v4（config）[^3]	20	73 (faces)	Boxes

[^3] 说明：该人脸检测模型在训练时丢弃了非人脸框，评测时也忽略非人脸 GT 框，因此其 mAP 针对的是人脸类别（73，faces）。

Open Images-trained（OID v4 系列）

OID v4 系列采用 Open Images Challenge 评测指标（见 evaluation_protocols.md 的 oid_challenge_detection_metrics 一节）：

Model name	Speed (ms)	Open Images mAP@0.5[^4]	Outputs
faster_rcnn_inception_resnet_v2_atrous_oidv4（config）	425	54	Boxes
ssd_mobilenetv2_oidv4（config）	89	36	Boxes
ssd_resnet_101_fpn_oidv4（config）	237	38	Boxes

iNaturalist Species-trained（FGVC）

面向细粒度物种检测的两阶段模型：

Model name	Speed (ms)	Pascal mAP@0.5	Outputs
faster_rcnn_resnet101_fgvc（config）	395	58	Boxes
faster_rcnn_resnet50_fgvc（config）	366	55	Boxes

AVA v2.1-trained

Model name	Speed (ms)	Pascal mAP@0.5	Outputs
faster_rcnn_resnet101_ava_v2.1（config）	93	11	Boxes

Snapshot Serengeti Camera Trap-trained

相机陷阱数据集模型同时给出 Faster R-CNN 与引入上下文建模的 Context R-CNN 版本（Context R-CNN 的完整数据准备/训练/导出流程见 context_rcnn.md）：

Model name	COCO mAP@0.5	Outputs
faster_rcnn_resnet101_snapshot_serengeti	38	Boxes
context_rcnn_resnet101_snapshot_serengeti（config）	56	Boxes

Pixel 6 Edge TPU 模型（SpaghettiNet）

SpaghettiNet 系列是面向 Pixel 6 Edge TPU 的端侧模型，报告中同时给出 Edge TPU 计算耗时与 CPU 上完成后处理的整机耗时，mAP 在 COCO 2017（而非 COCO 14 minival）上以 uint8 精度评测：

Model name	Pixel 6 Edge TPU Speed (ms)	Pixel 6 Speed with Post-processing on CPU (ms)	COCO 2017 mAP (uint8)	Outputs
spaghettinet_edgetpu_s	1.3	1.8	26.3	Boxes
spaghettinet_edgetpu_m	1.4	1.9	27.4	Boxes
spaghettinet_edgetpu_l	1.7	2.1	28.0	Boxes

六、精度数据使用须知：冻结图评测与得分阈值

官方文档对冻结推理图的精度给出两条重要提醒，任何拿 Model Zoo 做基准对比的人都需要注意：

1. 冻结图评测精度会略低于表中数字。原因是在生成冻结图时，代码会丢弃得分低于阈值（典型为 0.3）的检测结果。这等价于在检测器的 precision-recall 曲线上取了一个点、并丢弃其后的部分，因此会对标准 mAP 指标产生负面影响。即表中数字是高阈值剪枝前的理想状态，冻结图是剪枝后的部署状态，二者评测口径不同。

2. 冻结图由 TF 1.12.0 版本导出。Model Zoo 提供的 frozen_inference_graph.pb 是在 TensorFlow v1.12.0 发布版本下生成的；若你使用其他版本，可以用当前版本的 TensorFlow 重新导出：以模型目录 + samples/configs 下对应配置文件为输入，重新运行导出器即可（详见下文）。

七、从 Model Zoo 出发的三个实战路径

Model Zoo 的价值最终要落到两条实战路径上：开箱推理与迁移学习初始化。

路径一：冻结图开箱推理

解压后直接用 frozen_inference_graph.pb 加载模型即可进行推理，无需再走训练/导出流程。TensorFlow 1 环境下的完整推理示例见官方 Colab 教程 colab_tutorials/object_detection_tutorial.ipynb（TF1 入门总览见 tf1.md）。加载冻结图时注意该文件构建于较早期的 TensorFlow 版本，若遇到算子兼容问题可按下述方法重新导出。

路径二：基于 checkpoint 在新数据集上微调

模型包内的 model.ckpt.* 可直接作为预训练权重初始化新任务。在训练配置中，你需要修改两个字段（以仓库中 faster_rcnn_resnet101_pets.config 为例，其注释建议搜索 PATH_TO_BE_CONFIGURED 定位待填字段）：

# 定位到 train_config 段
fine_tune_checkpoint: "PATH_TO_BE_CONFIGURED/model.ckpt"   # 改为下载解压出的 checkpoint 前缀
# 定位到 train_input_reader / eval_input_reader 段
input_path: "PATH_TO_BE_CONFIGURED/pet_faces_train.record-?????-of-00010"
label_map_path: "PATH_TO_BE_CONFIGURED/pet_label_map.pbtxt"

从源码层面看（参见 samples/configs/ssd_mobilenet_v1_coco.config 等配置文件），一个标准 pipeline 由 model{...}（含 box_coder、matcher、anchor_generator 等组件）、train_config{...}、train_input_reader{...}、eval_config{...}、eval_input_reader{...} 组成。选好 Model Zoo 中的同架构预训练模型并填入 fine_tune_checkpoint，即可获得与该预训练权重完全匹配的网络结构，避免 shape 不匹配问题。基于 Pets 数据集的完整训练/评测流程可参考 running_pets.md，分布式训练与评测参数见 tf1_training_and_evaluation.md。

路径三：用当前 TensorFlow 版本重新导出冻结图

若需将 Model Zoo 模型适配到当前环境，官方提供 export_inference_graph.py 导出器（源码见 export_inference_graph.py），命令参考（自 research/ 目录执行）：

INPUT_TYPE=image_tensor
PIPELINE_CONFIG_PATH={path to pipeline config file}   # 即压缩包内的 pipeline.config
TRAINED_CKPT_PREFIX={path to model.ckpt}
EXPORT_DIR={path to folder that will be used for export}
python object_detection/export_inference_graph.py \
    --input_type=${INPUT_TYPE} \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --trained_checkpoint_prefix=${TRAINED_CKPT_PREFIX} \
    --output_directory=${EXPORT_DIR}

导出后会在 EXPORT_DIR 中生成 saved_model/（SavedModel 格式）、frozen_inference_graph.pb（冻结图）、model.ckpt.* 与 checkpoint、pipeline.config（详见 exporting_models.md）。注意 --input_type 除 image_tensor（4-D 图像张量）外，还可配置为接收编码图像或序列化 tf.Example，从而与不同推理前端对接。

八、选型速查

综合上表可提炼出面向不同需求的选型思路（仅基于 Model Zoo 实测数据归纳）：

• 追求端侧极致低延迟：Pixel 6 Edge TPU 上的 SpaghettiNet S（1.3ms）、Pixel 4 Edge TPU 上的 MobileDet/MobileNet EdgeTPU（约 6.6–6.9ms）；
• 桌面 GPU 上精度优先：Faster R-CNN NAS（43 mAP，1833ms）、Faster R-CNN Inception-ResNet-v2 Atrous（37 mAP，620ms）；
• 速度与精度均衡：SSD ResNet-50 FPN（35 mAP，76ms）或 SSD MobileNet V1 FPN（32 mAP，56ms）；
• 需要实例分割输出：从 Masks 列挑选 Mask R-CNN 系列，覆盖 25~36 mAP 区间；
• 少样本/场景迁移：iNaturalist FGVC、Open Images、Snapshot Serengeti 等模型可作为相应垂直领域的预训练起点。

注意桌面 GPU 延迟与移动端延迟并不线性相关（官方文档已示例说明 MobileNet V1/V2 的反转关系），移动端选型应优先参考 Pixel 系列延迟表，而非桌面 TITAN X 速度表。

---

[^1]: 见 MSCOCO evaluation protocol；COCO mAP（除 Pixel 6 Edge TPU 模型外）在 COCO 14 minival 集上评测，划分与 COCO 17 Val 不同，完整图像 id 列表见仓库 data/mscoco_minival_ids.txt。 [^2]: PASCAL mAP 变体，true positives 计算方式略有不同，见 evaluation_protocols.md 的 oid_V2_detection_metrics。 [^4]: Open Images Challenge 指标，见 evaluation_protocols.md 的 oid_challenge_detection_metrics。

如需在仓库中进一步追踪：模型对应训练配置统一存放于 samples/configs；TensorFlow 1 环境安装、Colab 快速上手与其他指南入口见 tf1.md；评测协议细节、导出工具与 TPU 兼容性分别见 evaluation_protocols.md、exporting_models.md 与 tpu_compatibility.md。