PaddleDetection v2.7.0

PaddleDetection飛槳目標偵測開發套件，旨在協助開發者更快、更好地完成偵測模型的組成、訓練、最佳化及部署等全開發流程。

PaddleDetection模組化地實現了多種主流目標偵測演算法，提供了豐富的資料增強策略、網路模組元件（如骨幹網路）、損失函數等，並整合了模型壓縮和跨平台高效能部署能力。

經過長時間產業實踐打磨，PaddleDetection已擁有順暢、卓越的使用體驗，被工業質檢、遙感影像檢測、無人巡檢、新零售、互聯網、科研等十多個行業的開發者廣泛應用。

特性

模型豐富: 包含目標偵測、實例分割、人臉偵測等100+個預訓練模型，涵蓋多種全球競賽冠軍方案

使用簡潔：模組化設計，解耦各個網路組件，開發者輕鬆搭建、試用各種檢測模型及優化策略，快速得到高效能、客製化的演算法。

端對端打通: 從資料增強、網路、訓練、壓縮、部署端對端打通，並完備支援雲端/邊緣端多架構、多設備部署。

高性能: 基於飛槳的高性能內核，模型訓練速度及顯存佔用優勢明顯。支援FP16訓練, 支援多機訓練。

PaddleDetection v2.3.0 更新日誌

模型豐富度

發布Transformer檢測模型：DETR、Deformable DETR、Sparse RCNN

關鍵點偵測新增Dark模型，發布Dark HRNet模型

發布MPII資料集HRNet關鍵點偵測模型

發佈人頭、車輛追蹤垂類模型

模型最佳化

旋轉框偵測模型S2ANet發布Align Conv最佳化模型，DOTA資料集mAP優化至74.0

預測部署

主流模型支援batch size>1預測部署，包含YOLOv3，PP-YOLO，Faster RCNN，SSD，TTFNet，FCOS

新增多目標追蹤模型(JDE, FairMot, DeepSort) Python端預測部署支持，並支援TensorRT預測

新增多目標追蹤模型FairMot聯合關鍵點檢測模型部署Python端預測部署支持

新增關鍵點檢測模型聯合PP-YOLO預測部署支持

文件

Windows預測部署文件新增TensorRT說明

FAQ文檔更新發布

問題修復

修復PP-YOLO系列模型訓練收斂性問題

修復batch size>1時無標籤資料訓練問題