Deteksi Paddle v2.7.0

Kit pengembangan deteksi target dayung terbang PaddleDetection dirancang untuk membantu pengembang menyelesaikan seluruh proses pengembangan konstruksi model deteksi, pelatihan, pengoptimalan, dan penerapan lebih cepat dan lebih baik.

PaddleDetection secara modular mengimplementasikan berbagai algoritme deteksi target arus utama, menyediakan strategi peningkatan data yang kaya, komponen modul jaringan (seperti jaringan tulang punggung), fungsi kerugian, dll., dan mengintegrasikan kompresi model dan kemampuan penerapan kinerja tinggi lintas platform.

Setelah praktik dan pemolesan industri jangka panjang, PaddleDetection memiliki pengalaman pengguna yang lancar dan luar biasa, dan banyak digunakan oleh pengembang di lebih dari sepuluh industri seperti pemeriksaan kualitas industri, deteksi gambar penginderaan jarak jauh, inspeksi tak berawak, ritel baru, Internet, dan ilmiah riset.

ciri

Model yang kaya: termasuk 100+ model terlatih seperti deteksi target, segmentasi instance, deteksi wajah, dll., yang mencakup berbagai solusi kejuaraan kompetisi global

Mudah digunakan: desain modular, memisahkan berbagai komponen jaringan, pengembang dapat dengan mudah membangun dan mencoba berbagai model deteksi dan strategi pengoptimalan, dan dengan cepat mendapatkan algoritme khusus dan berkinerja tinggi.

Konektivitas ujung ke ujung: Konektivitas ujung ke ujung mulai dari peningkatan data, jaringan, pelatihan, kompresi, dan penerapan, dan sepenuhnya mendukung multi-arsitektur cloud/edge dan penerapan multi-perangkat.

Performa tinggi: Berdasarkan inti dayung terbang berperforma tinggi, kecepatan pelatihan model dan penggunaan memori terlihat jelas. Mendukung pelatihan FP16 dan pelatihan multi-mesin.

Log perubahan PaddleDetection v2.3.0

Kekayaan model

Model deteksi Transformer yang dirilis: DETR, DETR Deformable, Sparse RCNN

Menambahkan model Gelap baru untuk deteksi titik kunci dan merilis model Dark HRNet

Merilis model deteksi titik kunci HRNet kumpulan data MPII

Publikasikan model vertikal pelacakan kepala dan kendaraan

Pengoptimalan model

Model deteksi bingkai berputar S2ANet merilis model pengoptimalan Align Conv, dan peta kumpulan data DOTA dioptimalkan ke 74.0

Penerapan prediktif

Model arus utama mendukung penerapan prediksi ukuran batch>1, termasuk YOLOv3, PP-YOLO, RCNN Lebih Cepat, SSD, TTFNet, FCOS

Menambahkan dukungan untuk penerapan prediksi sisi Python pada model pelacakan multi-target (JDE, FairMot, DeepSort), dan mendukung prediksi TensorRT

Menambahkan model pelacakan multi-target Penerapan model deteksi titik kunci gabungan FairMot Dukungan penerapan prediksi sisi Python

Model deteksi titik kunci baru dikombinasikan dengan dukungan penerapan prediksi PP-YOLO

dokumen

Instruksi TensorRT baru ditambahkan ke dokumentasi Penerapan Prediktif Windows

Pembaruan dokumen FAQ dirilis

Perbaikan bug

Memperbaiki masalah konvergensi pelatihan model seri PP-YOLO

Perbaiki masalah pelatihan data yang tidak berlabel ketika ukuran batch>1