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

  • 开发套件 目标检测 PaddleDetection

下载地址

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。