パドル検出 v2.7.0

PaddleDetection フライング パドル ターゲット検出開発キットは、開発者が検出モデルの構築、トレーニング、最適化、展開の開発プロセス全体をより迅速かつ適切に完了できるように設計されています。

PaddleDetection は、さまざまな主流のターゲット検出アルゴリズムをモジュール式に実装し、豊富なデータ拡張戦略、ネットワーク モジュール コンポーネント (バックボーン ネットワークなど)、損失関数などを提供し、モデル圧縮とクロスプラットフォームの高性能展開機能を統合します。

長期にわたる業界での実践と磨きを経て、PaddleDetection はスムーズで優れたユーザー エクスペリエンスを実現し、工業品質検査、リモート センシング画像検出、無人検査、新規小売、インターネット、科学など 10 を超える業界の開発者によって広く使用されています。研究。

特性

豊富なモデル: ターゲット検出、インスタンス セグメンテーション、顔検出などの 100 以上の事前トレーニング済みモデルを含み、さまざまな世界的な競争チャンピオンシップ ソリューションをカバーします。

使いやすさ: モジュール設計、さまざまなネットワーク コンポーネントの分離により、開発者はさまざまな検出モデルと最適化戦略を簡単に構築して試すことができ、高性能のカスタマイズされたアルゴリズムを迅速に取得できます。

エンドツーエンドの接続: データ強化、ネットワーキング、トレーニング、圧縮、展開に至るエンドツーエンドの接続で、クラウド/エッジのマルチアーキテクチャとマルチデバイスの展開を完全にサポートします。

高性能: フライング パドルの高性能コアに基づいて、モデルのトレーニング速度とメモリ使用量は明らかです。 FP16 トレーニングとマルチマシン トレーニングをサポートします。

PaddleDetection v2.3.0 変更ログ

モデルの豊富さ

リリースされた変圧器検出モデル: DETR、Deformable DETR、Sparse RCNN

キーポイント検出用の新しいダーク モデルを追加し、ダーク HRNet モデルをリリースしました

MPII データセット HRNet キーポイント検出モデルをリリース

頭部と車両の追跡垂直モデルを公開する

モデルの最適化

回転フレーム検出モデル S2ANet が Align Conv 最適化モデルをリリース、DOTA データセット mAP が 74.0 に最適化

予測的な展開

主流モデルは、YOLOv3、PP-YOLO、Faster RCNN、SSD、TTFNet、FCOS などのバッチ サイズ > 1 の予測展開をサポートします。

マルチターゲット追跡モデル (JDE、FairMot、DeepSort) の Python 側予測デプロイメントのサポートが追加され、TensorRT 予測がサポートされます。

マルチターゲット追跡モデルの追加 FairMot ジョイント キー ポイント検出モデルの展開 Python 側予測展開のサポート

PP-YOLO 予測展開サポートと組み合わせた新しいキー ポイント検出モデル

書類

新しい TensorRT 命令が Windows Predictive Deployment ドキュメントに追加されました

FAQドキュメントのアップデートがリリースされました

バグ修正

PP-YOLO シリーズのモデルトレーニングの収束問題を修正

バッチサイズ>1の場合のラベルなしデータトレーニングの問題を修正