PaddleDetection飞桨目标检测开发套件,旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。
PaddleDetection模块化地实现了多种主流目标检测算法,提供了丰富的数据增强策略、网络模块组件(如骨干网络)、损失函数等,并集成了模型压缩和跨平台高性能部署能力。
经过长时间产业实践打磨,PaddleDetection已拥有顺畅、卓越的使用体验,被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。
特性
模型丰富: 包含目标检测、实例分割、人脸检测等100+个预训练模型,涵盖多种全球竞赛冠军方案
使用简洁:模块化设计,解耦各个网络组件,开发者轻松搭建、试用各种检测模型及优化策略,快速得到高性能、定制化的算法。
端到端打通: 从数据增强、组网、训练、压缩、部署端到端打通,并完备支持云端/边缘端多架构、多设备部署。
高性能: 基于飞桨的高性能内核,模型训练速度及显存占用优势明显。支持FP16训练, 支持多机训练。
v2.7.0 更新内容
PP-YOLOE:
发布PP-YOLOE特色模型,COCO数据集精度51.4%,V100预测速度78.1 FPS,精度速度服务器端SOTA
发布s/m/l/x系列模型,打通TensorRT、ONNX部署能力
支持混合精度训练,训练较PP-YOLOv2加速33%
PP-PicoDet:
发布PP-PicoDet优化模型,精度提升2%左右,CPU预测速度提升63%。
新增参数量0.7M的PicoDet-XS模型
后处理集成到网络中,优化端到端部署成本
行人分析Pipeline:
发布PP-Human行人分析Pipeline,覆盖行人检测、属性识别、行人跟踪、跨镜跟踪、人流量统计、动作识别多种功能,打通TensorRT部署
属性识别支持StrongBaseline模型
ReID支持Centroid模型
动作识别支持ST-GCN摔倒检测
模型丰富度:
发布YOLOX,支持nano/tiny/s/m/l/x版本,x版本COCO val2017数据集精度51.8%
框架功能优化:
EMA训练速度优化20%,优化EMA训练模型保存方式
支持infer预测结果保存为COCO格式
部署优化:
RCNN全系列模型支持Paddle2ONNX导出ONNX模型
SSD模型支持导出时融合解码OP,优化边缘端部署速度
支持NMS导出TensorRT,TensorRT部署端到端速度提升
|