PaddleDetection v2.7.0

PaddleDetection 비행 패들 표적 탐지 개발 키트는 개발자가 탐지 모델 구축, 교육, 최적화 및 배포의 전체 개발 프로세스를 더 빠르고 효과적으로 완료할 수 있도록 설계되었습니다.

PaddleDetection은 다양한 주류 대상 탐지 알고리즘을 모듈식으로 구현하고 풍부한 데이터 향상 전략, 네트워크 모듈 구성 요소(예: 백본 네트워크), 손실 기능 등을 제공하며 모델 압축 및 크로스 플랫폼 고성능 배포 기능을 통합합니다.

PaddleDetection은 장기간의 산업 실습과 연마를 거쳐 원활하고 우수한 사용자 경험을 제공하며 산업 품질 검사, 원격 감지 이미지 감지, 무인 검사, 신규 소매, 인터넷 및 과학 등 10개 이상의 산업 분야에서 개발자가 널리 사용하고 있습니다. 연구.

특성

풍부한 모델: 표적 탐지, 인스턴스 분할, 얼굴 탐지 등과 같은 100개 이상의 사전 훈련된 모델을 포함하여 다양한 글로벌 경쟁 챔피언십 솔루션을 포괄합니다.

사용 편의성: 모듈식 설계, 다양한 네트워크 구성 요소 분리를 통해 개발자는 다양한 탐지 모델과 최적화 전략을 쉽게 구축 및 시도하고 고성능 맞춤형 알고리즘을 빠르게 얻을 수 있습니다.

엔드 투 엔드 연결: 데이터 향상, 네트워킹, 교육, 압축 및 배포의 엔드 투 엔드 연결이며 클라우드/에지 다중 아키텍처 및 다중 장치 배포를 완벽하게 지원합니다.

고성능: 플라잉 패들의 고성능 코어를 기반으로 모델 훈련 속도와 메모리 사용량이 분명합니다. FP16 훈련 및 다중 기계 훈련을 지원합니다.

PaddleDetection v2.3.0 변경 로그

모델 풍부함

Transformer 감지 모델 출시: DETR, Deformable DETR, Sparse RCNN

특징점 검출을 위한 신규 Dark 모델 추가 및 Dark HRNet 모델 출시

MPII 데이터세트 HRNet 핵심포인트 탐지 모델 출시

머리 및 차량 추적 수직 모델 게시

모델 최적화

회전 프레임 감지 모델 S2ANet은 Align Conv 최적화 모델을 출시하고 DOTA 데이터 세트 mAP는 74.0으로 최적화되었습니다.

예측 배포

주류 모델은 YOLOv3, PP-YOLO, Faster RCNN, SSD, TTFNet, FCOS를 포함하여 배치 크기>1 예측 배포를 지원합니다.

다중 대상 추적 모델(JDE, FairMot, DeepSort)의 Python 측 예측 배포에 대한 지원이 추가되었으며 TensorRT 예측도 지원됩니다.

다중 대상 추적 모델 추가 FairMot 조인트 핵심 탐지 모델 배포 Python 측 예측 배포 지원

PP-YOLO 예측 배포 지원과 결합된 새로운 핵심 포인트 탐지 모델

문서

Windows 예측 배포 문서에 새로운 TensorRT 지침이 추가되었습니다.

FAQ 문서 업데이트 출시

버그 수정

PP-YOLO 시리즈 모델 훈련의 수렴 문제 수정

배치 크기>1일 때 레이블이 지정되지 않은 데이터 교육 문제 수정