目标检测、跟踪、关键点全覆盖的年度开源项目来了!
用户已被禁言 发布于2021-12 浏览:2455 回复:6
1
收藏

目标检测技术作为计算机视觉的基础核心,支撑了包括人脸识别、目标跟踪、关键点检测、图像搜索等等70%以上视觉任务。虽然业界YOLO、Anchor Free、Transformer等系列目标检测算法层出不穷,却缺乏可以统一、敏捷、组合应用这些先进算法,并支持包括模型压缩、多端高性能部署等功能实现产业应用端到端落地的开发套件。

飞桨目标检测开发套件PaddleDetection就是这样一个模型先进且丰富、任务覆盖全面、端到端能力完备的产业级开发套件:

模型先进且丰富: 230+主流业界领先模型,10+SOTA及顶会冠军方案(面向产业应用的高性能算法)
任务覆盖全面:全面覆盖目标检测、实例分割、目标跟踪、关键点检测任务领域,以及工业制造、安防巡检、智慧交通等10个以上行业领域。
端到端能力完备:全面覆盖前沿模型压缩,量化、剪枝、蒸馏、检测结构搜索方法,并在服务端、移动端等多种硬件环境完全打通,助力开发者快速实现高性能部署。

⭐ 项目链接 ⭐

https://github.com/PaddlePaddle/PaddleDetection

PaddleDetection所有源码及教程均已开源,欢迎大家使用,并Star鼓励~

 性能卓越 算法全面升级 

230+主流目标检测、实例分割、跟踪、关键点检测算法组成全明星阵容,囊括多种SOTA算法及冠军方案:

0.99M、 150FPS轻量级SOTA检测算法PP-PicoDet
超越YOLOv4、YOLOv5的工业级SOTA模型PP-YOLOv2
122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose

 功能全面覆盖 

100+垂类预训练模型,应用场景覆盖工业制造、安防巡检、智慧交通等10+行业:
实时跟踪系统PP-Tracking,一网打尽单/多镜头下的行人车辆跟踪能力
覆盖旋转框检测、实例分割、行人检测、人脸检测、车辆检测等垂类任务

 易用性全面提升 

多种前沿压缩策略、灵活高效的部署支持,全方位助力算法实现高性能的压缩与部署:

一种蒸馏技术,三种量化策略,五种剪裁方式,支持策略联合实现,保持模型精度的同时大幅降低模型体积,适配各类硬件环境
全面打通本地化、服务化、移动端部署,并支持Python、C++的部署语言及TensorRT的加速

想要了解详细算法性能、功能细节,以及压缩与部署策略的小伙伴们请接着往下看

 更快更强的PP系列 明星算法 

(一)0.99M、 150FPS轻量级SOTA检测算法PP-PicoDet

PP-PicoDet一共有三种尺寸,其中PP-PicoDet-S参数量仅有0.99M,却有30.6%mAP的精度,当输入尺寸为320时,推理速度甚至可达150FPS,不仅mAP比YOLOX-Nano高4.8%,端侧推理速度还提升了55%,相比NanoDet-M-Plus-1.5x,体积少13.5%,速度快14%,mAP高0.7%。而PP-PicoDet-L则在仅有3.3M参数量的情况下mAP达到40.9%,比YOLOv5s高3.7%,推理速度提升44%。PP-PicoDet也在不断优化中,请大家敬请期待。

(二)性能超越YOLOv4、YOLOv5的高精度检测算法PP-YOLOv2

作为产业级SOTA模型,PP-YOLOv2(R50)mAP达到了49.5%, FPS高达106.5FPS,超越了YOLOv4甚至YOLOv5,而如果使用RestNet101作为骨架网络,PP-YOLOv2(R101)的mAP更高达50.3%,并且比同等精度下的YOLOv5x快15.9%。

(三)122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose

PP-TinyPose在单人和多人场景均达到性能SOTA,同时对检测人数无上限,并且在微小目标场景有卓越效果,助力开发者高性能实现异常行为识别、智能健身、体感互动游戏、人机交互等任务。

 功能全、应用广 

(一)实时跟踪系统PP-Tracking,一网打尽各类跟踪能力

功能覆盖单、多镜头下的行人车辆跟踪,支持10+种不同类别的目标同时跟踪,针对小目标、航拍监控及密集型场景进行特殊优化,并提供人/车流量去重计数应用。

(二)覆盖旋转框检测、实例分割、行人检测、人脸检测、车辆检测等垂类任务。


 易用性更高的 全流程开发支持 

(一)一种蒸馏技术,三种量化策略,五种剪裁方式

为了满足开发者对计算量、模型体积、运算速度等极致的追求,PaddleDetection基于飞桨模型压缩工具PaddleSlim支持了多种模型压缩能力,包括剪裁,量化,蒸馏以及剪裁+蒸馏联合策略压缩方案,大幅减少模型参数或计算量,便于部署在受限的硬件环境中。

由上表可以看出,量化策略为模型带来1.7%的精度提升,同时体积压缩3.71倍,速度提升1.46倍,而采用蒸馏+裁剪的联合策略,在精度几乎无损的情况下,体积压缩了3.05倍,加速1.58倍。

(二)灵活高效的部署方式,打通本地化、服务化、移动端的部署,支持Python、C++的部署语言及TensorRT的加速。

得益于飞桨预测库系列产品飞桨原生推理库Paddle Inference、飞桨轻量化推理引擎Paddle Lite和飞桨服务化部署框架Paddle Serving的能力,PaddleDetection支持开发者快速在Linux、Windows、NV Jetson等多系统多平台进行算法部署,同时提供了Python预测和C++预测两种方式,覆盖主流检测、跟踪及关键点检测算法。另外支持TensorRT动态尺寸输入及TensorRT INT8量化预测, 全面支持用户进行硬件加速。

算法性能强劲、功能丰富全面、开发部署敏捷易用,PaddleDetection期待大家的使用与反馈:
https://github.com/PaddlePaddle/PaddleDetection

收藏
点赞
1
个赞
共6条回复 最后由用户已被禁言回复于2022-04
#7深渊上的坑回复于2022-01

PaddleDetection缺个专属的半自动标注工具包,PaddleOCR和PaddleSeg都有了emmmmmmm

0
#6用户已被禁言回复于2022-01

想学AI  有没有傻瓜入手指南

0
#5YY应觉月光寒回复于2022-01

很好很强大

0
#4baby我是耿耿回复于2022-01

这是一个智能技术,快快发展啊。

1
#3wangwei8638回复于2022-01

就是这么强大!

0
#2头头不可一世回复于2021-12

不错啊智能技术应用在各行各业啊。

0
TOP
切换版块