الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

تم تصميم مجموعة تطوير الكشف عن الأهداف باستخدام المجداف الطائر PaddleDetection لمساعدة المطورين على إكمال عملية التطوير الكاملة لبناء نموذج الكشف والتدريب والتحسين والنشر بشكل أسرع وأفضل.

ينفذ PaddleDetection بشكل نمطي مجموعة متنوعة من خوارزميات الكشف عن الأهداف السائدة، ويوفر استراتيجيات غنية لتحسين البيانات، ومكونات وحدة الشبكة (مثل الشبكات الأساسية)، ووظائف الخسارة، وما إلى ذلك، ويدمج ضغط النموذج وقدرات النشر عالية الأداء عبر الأنظمة الأساسية.

بعد الممارسة الصناعية والتلميع على المدى الطويل، تتمتع PaddleDetection بتجربة مستخدم سلسة وممتازة، ويتم استخدامها على نطاق واسع من قبل المطورين في أكثر من عشر صناعات مثل فحص الجودة الصناعية، واكتشاف الصور بالاستشعار عن بعد، والفحص غير المأهول، وتجارة التجزئة الجديدة، والإنترنت، والأبحاث العلمية. بحث.

مميزة

النماذج الغنية: بما في ذلك أكثر من 100 نموذج تم تدريبه مسبقًا مثل اكتشاف الأهداف، وتجزئة المثيلات، واكتشاف الوجه، وما إلى ذلك، والتي تغطي مجموعة متنوعة من حلول بطولات المنافسة العالمية

سهل الاستخدام: التصميم المعياري، وفصل مكونات الشبكة المختلفة، يمكن للمطورين بسهولة إنشاء وتجربة نماذج الكشف المختلفة واستراتيجيات التحسين، والحصول بسرعة على خوارزميات مخصصة عالية الأداء.

اتصال شامل: اتصال شامل من تحسين البيانات والشبكات والتدريب والضغط والنشر، ويدعم بشكل كامل البنية السحابية/الحافة المتعددة والنشر متعدد الأجهزة.

أداء عالٍ: استنادًا إلى قلب المجداف الطائر عالي الأداء، فإن سرعة تدريب النموذج واستخدام الذاكرة واضحة. يدعم تدريب FP16 والتدريب على الآلات المتعددة.

PaddleDetection v2.3.0 سجل التغيير

ثراء النموذج

نماذج الكشف عن المحولات التي تم إصدارها: DETR، Deformable DETR، Sparse RCNN

تمت إضافة نموذج داكن جديد لاكتشاف النقاط الرئيسية وإصدار نموذج Dark HRNet

تم إصدار نموذج الكشف عن النقاط الرئيسية لمجموعة بيانات MPII HRNet

نشر نماذج عمودية لتتبع الرأس والمركبة

تحسين النموذج

يُطلق نموذج الكشف عن الإطار الدوار S2ANet نموذج تحسين Align Conv، ويتم تحسين خريطة مجموعة بيانات DOTA إلى 74.0

النشر التنبؤي

تدعم النماذج الرئيسية حجم الدُفعة > نشر تنبؤ واحد، بما في ذلك YOLOv3 وPP-YOLO وFaster RCNN وSSD وTTFNet وFCOS

تمت إضافة دعم لنشر التنبؤ من جانب Python لنماذج التتبع متعددة الأهداف (JDE وFairMot وDeepSort)، ويدعم تنبؤ TensorRT

تمت إضافة نموذج التتبع متعدد الأهداف FairMot المشترك لنشر نموذج الكشف عن النقاط الرئيسية ودعم نشر التنبؤ من جانب Python

نموذج جديد للكشف عن النقاط الرئيسية مع دعم نشر تنبؤات PP-YOLO

وثيقة

تمت إضافة تعليمات TensorRT الجديدة إلى وثائق النشر التنبؤي لـ Windows

تم إصدار تحديث مستند الأسئلة الشائعة

إصلاحات الشوائب

إصلاح مشكلة التقارب في تدريب نموذج سلسلة PP-YOLO

إصلاح مشكلة تدريب البيانات غير المسماة عندما يكون حجم الدفعة> 1

يوسع
معلومات إضافية
الإصدارات ذات الصلة
نوصي لك
أخبار ذات صلة الكل
تعليقات المستخدمين