Demo 现提供 PicoDet XS/S/M/L 多规格、PP-YOLOE+ S/M/L/X 与 PP-YOLO Tiny 320，共 14 个规格、39 个 stable 变体。Tiny 使用 0.1.1，PicoDet 使用 1.0.1（L320 沿用 1.0.2），PP-YOLOE+ 使用 0.1.1；SDK API 与 npm 版本保持 0.4.0。默认仍为 PicoDet-L 320、ModelScope、FP32，可显式选择 Hugging Face；显式来源失败不静默换源。
| 模型 | FP32 | FP16 | W8A32 |
|---|---|---|---|
| PicoDet-XS 320 | 2.89 MB | 1.86 MB | — |
| PicoDet-XS 416 | 2.90 MB | 1.88 MB | — |
| PicoDet-S 320 | 4.81 MB | 3.08 MB | 1.38 MB |
| PicoDet-S 416 | 4.83 MB | 3.10 MB | 1.40 MB |
| PicoDet-M 320 | 13.91 MB | 8.87 MB | 3.74 MB |
| PicoDet-M 416 | 13.92 MB | 8.89 MB | 3.75 MB |
| PicoDet-L 416 | 23.26 MB | 14.84 MB | 6.14 MB |
| PicoDet-L 640 | 23.32 MB | 14.87 MB | 6.19 MB |
| PicoDet-L 320 | 23.24 MB | 14.81 MB | 6.12 MB |
| PP-YOLOE+ S 640 | 31.95 MB | 16.05 MB | 8.23 MB |
| PP-YOLOE+ M 640 | 94.02 MB | 47.10 MB | 23.82 MB |
| PP-YOLOE+ L 640 | 209.18 MB | 104.70 MB | 52.70 MB |
| PP-YOLOE+ X 640 | 394.16 MB | 197.21 MB | 99.05 MB |
| PP-YOLO Tiny 320 | 4.51 MB | 2.36 MB | — |
前一批次新增八个 PicoDet FP32 规格，XS/S/M 各含 320、416，L 新增 416、640。来源为固定 PaddleDetection 官方 COCO 导出图，保留 Apache-2.0 许可与转换说明。模型逐份固定双源 revision、路径、字节数和 SHA-256；不是上游官方 Hub 镜像。新增规格的证据限于 Windows 11 / Chromium 153 / ORT Web 1.27.0 桌面，不增加手机兼容承诺。大模型的下载、CPU 推理与内存开销更高；64 图子集指标不是完整 COCO mAP。
M/L/X 六个新增 FP16/W8A32 变体（与三个既有 FP32 对照，共九个评测变体）按固定 64 图、桌面 WASM/WebGPU 三轮验证：相对同规格 FP32 的 AP 下降不超过 0.5 个百分点，并在 score≥0.5、同类 IoU≥0.5 下保留至少 95% 的 FP32 检测；IoU≥0.99 只用于坐标偏差诊断。该子集不是完整 COCO mAP，文件缩小也不代表峰值内存同比下降或普遍加速。见质量报告、分发证据和模型清单。
PicoDet 系列固定 64 图、官方对齐、桌面 CPU/GPU、main/Worker 与双 Hub 验证见本轮报告。
2026-09-12 的 Demo 使用 PicoDet 1.0.2、PP-YOLOE 0.1.1，两款均提供 FP32、FP16、W8A32 稳定变体，默认 FP32，来源仅 ModelScope 和 Hugging Face，默认 ModelScope。FP16/W8A32 在本机 WASM 和 WebGPU 完成三轮64图识别对照；手机证据仅覆盖原FP32，其他设备按后续实测维护。
| 模型 | FP32 | FP16 | W8A32 |
|---|---|---|---|
| PicoDet | 23.24 MB | 14.81 MB（减少36.3%） | 6.12 MB（减少73.7%） |
| PP-YOLOE | 31.95 MB | 16.05 MB（减少49.8%） | 8.23 MB（减少74.3%） |
文件缩小是独立优势。FP16保留敏感算子FP32；W8A32仅压缩权重，激活和卷积计算保持FP32。SDK参数使用 precision: "int8" 选择W8A32，实际策略见清单 quantization。新清单可用于SDK 0.3.1，无需更换API。完整识别、速度和逐框差异见三精度对比。
旧版本清单与以下既有版本记录继续保留；其中对FP16/INT8的labs/blocked限制只描述旧版候选，不覆盖上述已通过的新变体。
中文入口 | English
web-sdk-pp-detection 是基于 ONNX Runtime Web 的框架无关 TypeScript SDK，提供图片、Canvas、ImageData、HTMLVideoElement、VideoFrame 和 Worker 单帧目标检测能力，并返回模型、运行时和耗时信息。
当前 SDK 版本为 0.4.0：
pnpm add web-sdk-pp-detection@0.4.00.4.0 新增默认关闭的小目标增强实验 API 和图片 Demo 开关，支持切片进度、取消及统一结果合并。详见 API、性能和发布说明。
- 工厂必须显式传入
model或manifest；两者均缺省时返回稳定错误码INVALID_MANIFEST，且不会发起模型网络访问。仓库提供14 个规格共 39 个稳定变体清单；npm 包不内置清单或 ONNX 模型本体。 - 模型来源由 manifest 声明，可选择 Git LFS、Hugging Face、ModelScope 或 custom；每个来源必须绑定不可变 revision、大小和 SHA-256。显式来源失败不会静默换源，
auto才会按清单尝试。 - 14 份当前 manifest 均默认 ModelScope，并允许显式选择 ModelScope 或 Hugging Face；显式来源失败时不会静默换源。
- SDK 已支持 ONNX Runtime Web 的
wasm/webgpu、main/worker 执行模式、IndexedDB/内存缓存、模型完整性校验、取消和资源释放。 - PicoDet 1.0.2 与 PP-YOLOE+ S/M/L/X 0.1.1 的 FP32、FP16、W8A32 均为 stable。M/L/X 新精度证据仅覆盖 2026-09-14 桌面 WASM/WebGPU 固定 64 图三轮验证；小米 15 实测仅覆盖原 FP32。
- 常用配置包括
backend（auto、webgpu、wasm）、precision（auto、fp16、fp32、int8）和allowFallback；其中int8选择 W8A32，model可传入清单 URL 或二进制data。 - 跨域模型需要正确的 CORS；多线程 WASM 需要 COOP/COEP，无法满足时使用单线程。
classThresholds可按person、car等 manifest 类别覆盖目标检测置信度阈值；未配置类别继承全局阈值。
- 目标平台包括 PC 和移动浏览器、公众号 H5、小程序
web-view中承载的 H5 页面；仓库已提供 Vanilla、React、Vue、CDN 和微信 H5/WebView 示例。 - PP-YOLOE 已有小米 15 Android Edge CPU/GPU 基础功能实测；其他移动浏览器和微信 WebView 仍待独立验证，不能把桌面窄屏模拟当作设备证据。
- 微信原生小程序 JavaScript/WASM runtime 不支持。
- SDK 接收图片和单个视频帧；摄像头权限、视频循环、帧率控制和结果绘制由宿主页面负责。当前 Demo 提供图片、摄像头和视频三种场景。
代码采用 Apache-2.0；模型、权重和 COCO 标签的上游许可按 THIRD_PARTY_NOTICES.md 逐项核验。
PP-YOLOE+ S/M/L/X 640 的当前模型版本均为 0.1.1，每款提供 FP32、FP16、W8A32 稳定变体。历史 0.1.0 与 labs/blocked 候选继续保留原状态和证据；当前清单默认可加载，无需设置 allowExperimental。
九个 PicoDet 规格、四个 PP-YOLOE+ 规格与 Tiny 320 使用同一 Demo 流程；XS-320/416 与 Tiny 320 提供 FP32、FP16，其余规格提供三精度。默认 PicoDet-L 320、ModelScope、FP32。清单使用 Hugging Face 和 ModelScope 的固定 revision，切换时取消旧任务、释放实例并更新缓存身份。小米 15 的实际设备范围仍只见原 FP32 实测记录。
0.3.2 新增 download.timeoutMs、download.idleTimeoutMs 与 download.maxRetries，分别控制请求总时限、数据停滞时限和重试次数。默认每次请求总时限 180 秒、无新增字节时限 30 秒、最多重试 2 次；仅重试同一固定权重 URL，等待期间可以取消。详见 API。
小目标增强（0.4.0，实验）：支持默认关闭的 smallObjectEnhancement，复用会话执行整图与最多四片；仅建议静态图片评估，可能增加误检与耗时。详见API。
PicoDet XS/S/M/L 九个输入规格已提供 FP32；本轮新增 14 个通过桌面三轮验收的 FP16/W8A32 变体。识别未达标候选保留 labs，Demo 仅启用已发布精度。详见精度对比报告。默认 PicoDet-L-320、FP32、ModelScope，SDK/npm 保持 0.4.0。
Tiny 首个稳定模型版本为 0.1.0，仅提供 FP32，大小 4.51 MB；默认 ModelScope，可选 Hugging Face，沿用 SDK/npm 0.4.0。固定64图桌面三轮结果：子集 AP 为 22.60，CPU/GPU 热推理中位数约 47.46/31.54 ms。同批次相较 PicoDet-XS-320 FP32，CPU 推理约少28%，文件约大56%，AP低1.21点，适合作为另一种速度与体积取舍。
清单保留 PaddleDetection Apache-2.0 许可和转换归因。上述指标不是全量 COCO 成绩，不扩展 Tiny 的手机或 NPU 兼容声明。见质量报告、分发验证与固定清单。
Tiny 0.1.1 复用 0.1.0 的 FP32 固定来源，并新增 2,357,376 字节的 FP16（较 FP32 缩小 47.743%）。固定 64 图、WASM/WebGPU 各三轮中，FP16 最差 AP 变化为 -0.174649 个百分点，最低一对一检测保留率为 99.5192%，因此进入稳定清单；W8A32 最差 AP 变化为 -0.537364 点，未通过门槛，仅保留 labs，未上传且不在 Demo 中开放。
FP16 已完成双来源×WASM/WebGPU×main/Worker 的真实下载、完整性、推理和缓存生命周期验证。证据仍只覆盖桌面固定子集，不是完整 COCO mAP，也不增加手机或 NPU 声明。见质量报告、分发验证与0.1.1 清单。