下载
商城
热门搜索：
下载分类
功能分类:
语言:
功能分类:
语言:
当前位置：
PaddleDetection v2.7.0
收藏
举报
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
免费下载
源码属性
| 作者 | 百度 |
| 授权 | 开源 |
| 大小 | 43.49MB |
| 语言 | Python |
| 运行环境 | Python |
功能介绍
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。
PaddleDetection v2.3.0 更新日志：
模型丰富度：
发布Transformer检测模型：DETR、Deformable DETR、Sparse RCNN
关键点检测新增Dark模型，发布Dark HRNet模型
发布MPII数据集HRNet关键点检测模型
发布人头、车辆跟踪垂类模型
模型优化：
旋转框检测模型S2ANet发布Align Conv优化模型，DOTA数据集mAP优化至74.0
预测部署
主流模型支持batch size>1预测部署，包含YOLOv3，PP-YOLO，Faster RCNN，SSD，TTFNet，FCOS
新增多目标跟踪模型(JDE, FairMot, DeepSort) Python端预测部署支持，并支持TensorRT预测
新增多目标跟踪模型FairMot联合关键点检测模型部署Python端预测部署支持
新增关键点检测模型联合PP-YOLO预测部署支持
文档：
Windows预测部署文档新增TensorRT版本说明
FAQ文档更新发布
问题修复：
修复PP-YOLO系列模型训练收敛性问题
修复batch size>1时无标签数据训练问题
付费服务
模板/插件
当前版本
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
联系客服
手机版
扫一扫进入手机版
返回顶部