MaochengHu 576cda45b8 first commit | 2 years ago | |
---|---|---|
.. | ||
.github | 2 years ago | |
.travis | 2 years ago | |
benchmark | 2 years ago | |
configs | 2 years ago | |
dataset | 2 years ago | |
demo | 2 years ago | |
deploy | 2 years ago | |
docs | 2 years ago | |
industrial_tutorial | 2 years ago | |
picodet_s_192_pedestrian | 2 years ago | |
ppdet | 2 years ago | |
scripts | 2 years ago | |
static | 2 years ago | |
test_tipc | 2 years ago | |
tools | 2 years ago | |
.gitignore | 2 years ago | |
.pre-commit-config.yaml | 2 years ago | |
.style.yapf | 2 years ago | |
.travis.yml | 2 years ago | |
LICENSE | 2 years ago | |
README.md | 2 years ago | |
README_cn.md | 2 years ago | |
README_en.md | 2 years ago | |
paddlepaddle_gpu-2.3.0.post111-cp38-cp38-linux_x86_64.whl | 2 years ago | |
paddlepaddle_gpu-2.3.0.post112-cp38-cp38-linux_x86_64.whl | 2 years ago | |
requirements.txt | 2 years ago | |
setup.py | 2 years ago | |
test.jpg | 2 years ago | |
test.sh | 2 years ago |
简体中文 | English
🔥 2022.3.24:PaddleDetection发布release/2.4版本
2021.11.03: PaddleDetection发布release/2.3版本
2021.08.10: PaddleDetection发布release/2.2版本
2021.05.20: PaddleDetection发布release/2.1版本
PaddleDetection为基于飞桨PaddlePaddle的端到端目标检测套件,内置30+模型算法及250+预训练模型,覆盖目标检测、实例分割、跟踪、关键点检测等方向,其中包括服务器端和移动端高精度、轻量级产业级SOTA模型、冠军方案和学术前沿算法,并提供配置化的网络模块组件、十余种数据增强策略和损失函数等高阶优化支持和多种部署方案,在打通数据处理、模型开发、训练、压缩、部署全流程的基础上,提供丰富的案例及教程,加速算法产业落地应用。
如果你发现任何PaddleDetection存在的问题或者是建议, 欢迎通过GitHub Issues给我们提issues。
欢迎加入PaddleDetection QQ、微信用户群(添加并回复小助手“检测”)
Architectures | Backbones | Components | Data Augmentation |
|
|
|
|
各模型结构和骨干网络的代表模型在COCO数据集上精度mAP和单卡Tesla V100上预测速度(FPS)对比图。
说明:
CBResNet
为Cascade-Faster-RCNN-CBResNet200vd-FPN
模型,COCO数据集mAP高达53.3%Cascade-Faster-RCNN
为Cascade-Faster-RCNN-ResNet50vd-DCN
,PaddleDetection将其优化到COCO数据mAP为47.8%时推理速度为20FPSPP-YOLO
在COCO数据集精度45.9%,Tesla V100预测速度72.9FPS,精度速度均优于YOLOv4PP-YOLO v2
是对PP-YOLO
模型的进一步优化,在COCO数据集精度49.5%,Tesla V100预测速度68.9FPSPP-YOLOE
是对PP-YOLO v2
模型的进一步优化,在COCO数据集精度51.4%,Tesla V100预测速度78.1FPS各移动端模型在COCO数据集上精度mAP和高通骁龙865处理器上预测速度(FPS)对比图。
说明:
参数配置
模型压缩(基于PaddleSlim)
进阶开发
2022.4.19 产业级目标检测技术与应用三日课: 超强目标检测算法矩阵、实时行人分析系统PP-Human、目标检测产业应用全流程拆解与实践
2022.3.26 智慧城市行业七日课: 城市规划、城市治理、智慧政务、交通管理、社区治理
版本更新内容请参考版本更新文档
本项目的发布受Apache 2.0 license许可认证。
我们非常欢迎你可以为PaddleDetection提供代码,也十分感谢你的反馈。
Sparse-RCNN
模型。Swin Faster-RCNN
模型。@misc{ppdet2019,
title={PaddleDetection, Object detection and instance segmentation toolkit based on PaddlePaddle.},
author={PaddlePaddle Authors},
howpublished = {\url{https://github.com/PaddlePaddle/PaddleDetection}},
year={2019}
}