61 Star 644 Fork 252

PaddlePaddle / PaddleDetection

标签名
描述
提交信息
操作
  • 特色模型
    • 发布旋转框检测模型PP-YOLOE-R:Anchor-free旋转框检测SOTA模型,精度速度双高、云边一体,s/m/l/x四个模型适配不用算力硬件、部署友好,避免使用特殊算子,能够轻松使用TensorRT加速;
    • 发布小目标检测模型PP-YOLOE-SOD:基于切图的端到端检测方案、基于原图的检测模型,精度达VisDrone开源最优;
    • 发布密集检测模型:基于PP-YOLOE+的密集检测算法,SKU数据集检测精度60.3,达到开源最优
  • 前沿算法
    • YOLO家族新增前沿算法YOLOv8,更新YOLOv6-v3.0
    • 新增目标检测算法DINO,YOLOF
    • 新增ViTDet系列检测模型,PP-YOLOE+ViT_base, Mask RCNN + ViT_base, Mask RCNN + ViT_large
    • 新增多目标跟踪算法CenterTrack
    • 新增旋转框检测算法FCOSR
    • 新增实例分割算法QueryInst
    • 新增3D关键点检测算法Metro3d
    • 新增模型蒸馏算法FGD,LD,CWD,新增PP-YOLOE+模型蒸馏,精度提升1.1 mAP
    • 新增半监督检测算法 DenseTeacher,并适配PP-YOLOE+
    • 新增少样本迁移学习方案,包含Co-tuning,Contrastive learning两类算法
  • 场景能力
    • PP-Human v2开源边缘端实时检测模型,精度45.7,Jetson AGX速度80FPS
    • PP-Vehicle开源边缘端实时检测模型,精度53.5,Jetson AGX速度80FPS
    • PP-Human v2,PP-Vehicle支持多路视频流部署能力,实现Jetson AGX 4路视频流端到端20FPS实时部署
    • PP-Vehicle新增车辆压线检测和车辆逆行检测能力
  • 框架能力
    • 功能新增
      • 新增检测热力图可视化能力,适配FasterRCNN/MaskRCNN系列, PP-YOLOE系列, BlazeFace, SSD, RetinaNet
    • 功能完善/Bug修复
      • 支持python3.10版本
      • EMA支持过滤不更新参数
      • 简化PP-YOLOE architecture架构代码
      • AdamW适配paddle2.4.1版本
2023-02-23 10:47
  • 特色模型

    • PP-YOLOE+:
      • 发布PP-YOLOE+模型,COCO test2017数据集精度提升0.7%-2.4% mAP,模型训练收敛速度提升3.75倍,端到端预测速度提升1.73-2.3倍
      • 发布智慧农业,夜间安防检测,工业质检场景预训练模型,精度提升1.3%-8.1% mAP
      • 支持分布式训练、在线量化、serving部署等10大高性能训练部署能力,新增C++/Python Serving、TRT原生推理、ONNX Runtime等5+部署demo教程
    • PP-PicoDet:
      • 发布PicoDet-NPU模型,支持模型全量化部署
      • 新增PicoDet版面分析模型,基于FGD蒸馏算法精度提升0.5% mAP
    • PP-TinyPose
      • 发布PP-TinyPose增强版,在健身、舞蹈等场景的业务数据集端到端AP提升9.1% AP
      • 覆盖侧身、卧躺、跳跃、高抬腿等非常规动作
      • 新增滤波稳定模块,关键点稳定性显著增强
  • 场景能力

    • PP-Human v2
      • 发布PP-Human v2,支持四大产业特色功能:多方案行为识别案例库、人体属性识别、人流检测与轨迹留存以及高精度跨镜跟踪
      • 底层算法能力升级,行人检测精度提升1.5% mAP;行人跟踪精度提升10.2% MOTA,轻量级模型速度提升34%;属性识别精度提升0.6% ma,轻量级模型速度提升62.5%
      • 提供全流程教程,覆盖数据采集标注,模型训练优化和预测部署,及pipeline中后处理代码修改
      • 新增在线视频流输入支持
      • 易用性提升,一行代码执行功能,执行流程判断、模型下载背后自动完成。
    • PP-Vehicle
      • 全新发布PP-Vehicle,支持四大交通场景核心功能:车牌识别、属性识别、车流量统计、违章检测
      • 车牌识别支持基于PP-OCR v3的轻量级车牌识别模型
      • 车辆属性识别支持基于PP-LCNet多标签分类模型
      • 兼容图片、视频、在线视频流等各类数据输入格式
      • 易用性提升,一行代码执行功能,执行流程判断、模型下载背后自动完成。
  • 前沿算法

    • YOLO家族全系列模型
      • 发布YOLO家族全系列模型,覆盖前沿检测算法YOLOv5、MT-YOLOv6及YOLOv7
      • 基于ConvNext骨干网络,YOLO各算法训练周期缩5-8倍,精度普遍提升1%-5% mAP;使用模型压缩策略实现精度无损的同时速度提升30%以上
    • 新增基于ViT骨干网络高精度检测模型,COCO数据集精度达到55.7% mAP
    • 新增OC-SORT多目标跟踪模型
    • 新增ConvNeXt骨干网络
  • 产业实践范例教程

    • 基于PP-TinyPose增强版的智能健身动作识别
    • 基于PP-Human的打架识别
    • 基于PP-Human的营业厅来客分析
    • 基于PP-Vehicle的车辆结构化分析
    • 基于PP-YOLOE+的PCB电路板缺陷检测
  • 框架能力

    • 功能新增
      • 新增自动压缩工具支持并提供demo,PP-YOLOE l版本精度损失0.3% mAP,V100速度提升13%
      • 新增PaddleServing python/C++和ONNXRuntime部署demo
      • 新增PP-YOLOE 端到端TensorRT部署demo
      • 新增FGC蒸馏算法,RetinaNet精度提升3.3%
      • 新增分布式训练文档
    • 功能完善/Bug修复
      • 修复Windows c++部署编译问题
      • 修复VOC格式数据预测时保存结果问题
      • 修复FairMOT c++部署检测框输出
      • 旋转框检测模型S2ANet支持batch size>1部署
2022-09-13 14:26
  • 特色模型

    • PP-YOLOE+:
      • 发布PP-YOLOE+模型,COCO test2017数据集精度提升0.7%-2.4% mAP,模型训练收敛速度提升3.75倍,端到端预测速度提升1.73-2.3倍
      • 发布智慧农业,夜间安防检测,工业质检场景预训练模型,精度提升1.3%-8.1% mAP
      • 支持分布式训练、在线量化、serving部署等10大高性能训练部署能力,新增C++/Python Serving、TRT原生推理、ONNX Runtime等5+部署demo教程
    • PP-PicoDet:
      • 发布PicoDet-NPU模型,支持模型全量化部署
      • 新增PicoDet版面分析模型,基于FGD蒸馏算法精度提升0.5% mAP
    • PP-TinyPose
      • 发布PP-TinyPose增强版,在健身、舞蹈等场景的业务数据集端到端AP提升9.1% AP
      • 覆盖侧身、卧躺、跳跃、高抬腿等非常规动作
      • 新增滤波稳定模块,关键点稳定性显著增强
  • 场景能力

    • PP-Human v2
      • 发布PP-Human v2,支持四大产业特色功能:多方案行为识别案例库、人体属性识别、人流检测与轨迹留存以及高精度跨镜跟踪
      • 底层算法能力升级,行人检测精度提升1.5% mAP;行人跟踪精度提升10.2% MOTA,轻量级模型速度提升34%;属性识别精度提升0.6% ma,轻量级模型速度提升62.5%
      • 提供全流程教程,覆盖数据采集标注,模型训练优化和预测部署,及pipeline中后处理代码修改
      • 新增在线视频流输入支持
      • 易用性提升,一行代码执行功能,执行流程判断、模型下载背后自动完成。
    • PP-Vehicle
      • 全新发布PP-Vehicle,支持四大交通场景核心功能:车牌识别、属性识别、车流量统计、违章检测
      • 车牌识别支持基于PP-OCR v3的轻量级车牌识别模型
      • 车辆属性识别支持基于PP-LCNet多标签分类模型
      • 兼容图片、视频、在线视频流等各类数据输入格式
      • 易用性提升,一行代码执行功能,执行流程判断、模型下载背后自动完成。
  • 前沿算法

    • YOLO家族全系列模型
      • 发布YOLO家族全系列模型,覆盖前沿检测算法YOLOv5、MT-YOLOv6及YOLOv7
      • 基于ConvNext骨干网络,YOLO各算法训练周期缩5-8倍,精度普遍提升1%-5% mAP;使用模型压缩策略实现精度无损的同时速度提升30%以上
    • 新增基于ViT骨干网络高精度检测模型,COCO数据集精度达到55.7% mAP
    • 新增OC-SORT多目标跟踪模型
    • 新增ConvNeXt骨干网络
  • 产业实践范例教程

    • 基于PP-TinyPose增强版的智能健身动作识别
    • 基于PP-Human的打架识别
    • 基于PP-Human的营业厅来客分析
    • 基于PP-Vehicle的车辆结构化分析
    • 基于PP-YOLOE+的PCB电路板缺陷检测
  • 框架能力

    • 功能新增
      • 新增自动压缩工具支持并提供demo,PP-YOLOE l版本精度损失0.3% mAP,V100速度提升13%
      • 新增PaddleServing python/C++和ONNXRuntime部署demo
      • 新增PP-YOLOE 端到端TensorRT部署demo
      • 新增FGC蒸馏算法,RetinaNet精度提升3.3%
      • 新增分布式训练文档
    • 功能完善/Bug修复
      • 修复Windows c++部署编译问题
      • 修复VOC格式数据预测时保存结果问题
      • 修复FairMOT c++部署检测框输出
      • 旋转框检测模型S2ANet支持batch size>1部署
2022-08-30 18:26
  • PP-YOLOE:

    • 发布PP-YOLOE特色模型,COCO数据集精度51.4%,V100预测速度78.1 FPS,精度速度服务器端SOTA
    • 发布s/m/l/x系列模型,打通TensorRT、ONNX部署能力
    • 支持混合精度训练,训练较PP-YOLOv2加速33%
  • PP-PicoDet:

    • 发布PP-PicoDet优化模型,精度提升2%左右,CPU预测速度提升63%。
    • 新增参数量0.7M的PicoDet-XS模型
    • 后处理集成到网络中,优化端到端部署成本
  • 行人分析Pipeline:

    • 发布PP-Human行人分析Pipeline,覆盖行人检测、属性识别、行人跟踪、跨镜跟踪、人流量统计、动作识别多种功能,打通TensorRT部署
    • 属性识别支持StrongBaseline模型
    • ReID支持Centroid模型
    • 动作识别支持ST-GCN摔倒检测
  • 框架功能优化:

    • EMA训练速度优化20%,优化EMA训练模型保存方式
    • 支持infer预测结果保存为COCO格式
  • 部署优化:

    • RCNN全系列模型支持Paddle2ONNX导出ONNX模型
    • SSD模型支持导出时融合解码OP,优化边缘端部署速度
    • 支持NMS导出TensorRT,TensorRT部署端到端速度提升
2022-04-22 19:09
  • 特色模型:

    • 检测: 轻量级移动端检测模型PP-PicoDet,精度速度达到移动端SOTA
    • 关键点: 轻量级移动端关键点模型PP-TinyPose
  • 模型丰富度:

    • 检测:

      • 新增Swin-Transformer目标检测模型
      • 新增TOOD(Task-aligned One-stage Object Detection)模型
      • 新增GFL(Generalized Focal Loss)目标检测模型
      • 发布Sniper小目标检测优化方法,支持Faster RCNN及PP-YOLO系列模型
      • 发布针对EdgeBoard优化的PP-YOLO-EB模型
    • 跟踪

      • 发布实时跟踪系统PP-Tracking
      • 发布FairMot高精度模型、小尺度模型和轻量级模型
      • 发布行人、人头和车辆实跟踪垂类模型库,覆盖航拍监控、自动驾驶、密集人群、极小目标等场景
      • DeepSORT模型适配PP-YOLO, PP-PicoDet等更多检测器
    • 关键点

      • 新增Lite HRNet模型
  • 预测部署:

    • YOLOv3系列模型支持NPU预测部署
    • FairMot模型C++预测部署打通
    • 关键点系列模型C++预测部署打通, Paddle Lite预测部署打通
  • 文档:

    • 新增各系列模型英文文档
2021-11-25 21:20
  • 模型丰富度:

    • 发布Transformer检测模型:DETR、Deformable DETR、Sparse RCNN
    • 关键点检测新增Dark模型,发布Dark HRNet模型
    • 发布MPII数据集HRNet关键点检测模型
    • 发布人头、车辆跟踪垂类模型
  • 模型优化:

    • 旋转框检测模型S2ANet发布Align Conv优化模型,DOTA数据集mAP优化至74.0
  • 预测部署

    • 主流模型支持batch size>1预测部署,包含YOLOv3,PP-YOLO,Faster RCNN,SSD,TTFNet,FCOS
    • 新增多目标跟踪模型(JDE, FairMot, DeepSort) Python端预测部署支持,并支持TensorRT预测
    • 新增多目标跟踪模型FairMot联合关键点检测模型部署Python端预测部署支持
    • 新增关键点检测模型联合PP-YOLO预测部署支持
  • 文档:

    • Windows预测部署文档新增TensorRT版本说明
    • FAQ文档更新发布
  • 问题修复:

    • 修复PP-YOLO系列模型训练收敛性问题
    • 修复batch size>1时无标签数据训练问题
2021-08-16 18:48
  • 模型丰富度提升:

    • 发布关键点模型HRNet,HigherHRNet
    • 发布多目标跟踪模型DeepSort, FairMot, JDE
  • 框架基础能力:

    • 支持无标注框训练
  • 预测部署:

    • Paddle Inference YOLOv3系列模型支持batch size>1预测
    • 旋转框检测S2ANet模型预测部署打通
    • 增加量化模型Benchmark
    • 增加动态图模型与静态图模型Paddle-Lite demo
  • 检测模型压缩:

    • 发布PPYOLO系列模型压缩模型
  • 文档:

    • 更新快速开始,预测部署等教程文档
    • 新增ONNX模型导出教程
    • 新增移动端部署文档
2021-05-20 19:18

说明: 自2.0版本开始,动态图作为PaddleDetection默认版本,原dygraph目录切换为根目录,原静态图实现移动到static目录下。

  • 动态图模型丰富度提升:

    • 发布PP-YOLOv2及PP-YOLO tiny模型,PP-YOLOv2 COCO test数据集精度达到49.5%,V100预测速度达到68.9 FPS
    • 发布旋转框检测模型S2ANet
    • 发布两阶段实用模型PSS-Det
    • 发布人脸检测模型Blazeface
  • 新增基础模块:

    • 新增SENet,GhostNet,Res2Net骨干网络
    • 新增VisualDL训练可视化支持
    • 新增单类别精度计算及PR曲线绘制功能
    • YOLO系列模型支持NHWC数据格式
  • 预测部署:

    • 发布主要模型的预测benchmark数据
    • 适配TensorRT6,支持TensorRT动态尺寸输入,支持TensorRT int8量化预测
    • PP-YOLO, YOLOv3, SSD, TTFNet, FCOS, Faster RCNN等7类模型在Linux、Windows、NV Jetson平台下python/cpp/TRT预测部署打通:
  • 检测模型压缩:

    • 蒸馏:新增动态图蒸馏支持,并发布YOLOv3-MobileNetV1蒸馏模型
    • 联合策略:新增动态图剪裁+蒸馏联合策略压缩方案,并发布YOLOv3-MobileNetV1的剪裁+蒸馏压缩模型
    • 问题修复:修复动态图量化模型导出问题
  • 文档:

    • 新增动态图英文文档:包含首页文档,入门使用,快速开始,模型算法、新增数据集等
    • 新增动态图中英文安装文档
    • 新增动态图RCNN系列和YOLO系列配置文件模板及配置项说明文档
2021-04-19 21:47

Release version v2.0.0-rc

Release Note: https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.0-rc/docs/CHANGELOG.md

  • 动态图模型丰富度提升:

    • 优化RCNN模型组网及训练方式,RCNN系列模型精度提升(依赖Paddle develop或2.0.1版本)
    • 新增支持SSDLite,FCOS,TTFNet,SOLOv2系列模型
    • 新增行人和车辆垂类目标检测模型
  • 新增动态图基础模块:

    • 新增MobileNetV3,HRNet骨干网络
    • 优化RoIAlign计算逻辑,RCNN系列模型精度提升(依赖Paddle develop或2.0.1版本)
    • 新增支持Synchronized Batch Norm
    • 新增支持Modulated Deformable Convolution
  • 预测部署:

    • 发布动态图python、C++、Serving部署解决方案及文档,支持Faster RCNN,Mask RCNN,YOLOv3,PP-YOLO,SSD,TTFNet,FCOS,SOLOv2等系列模型预测部署
    • 动态图预测部署支持TensorRT模式FP32,FP16推理加速
  • 检测模型压缩:

    • 裁剪:新增动态图裁剪支持,并发布YOLOv3-MobileNetV1裁剪模型
    • 量化:新增动态图量化支持,并发布YOLOv3-MobileNetV1和YOLOv3-MobileNetV3量化模型
  • 文档:

    • 新增动态图入门教程文档:包含安装说明,快速开始,准备数据,训练/评估/预测流程文档
    • 新增动态图进阶教程文档:包含模型压缩、推理部署文档
    • 新增动态图模型库文档
2021-02-23 16:55

Release version v0.1.0

2019-11-26 19:16

this is version 1.5.1

2019-07-08 20:13

this is version lite-v0.1

2019-07-01 21:31

this is version 1.5.0

2019-06-26 12:58

this is version 1.4.1

2019-04-20 00:08

this is version 1.4.0

2019-04-17 11:11
2019-03-26 21:30
2019-03-19 08:45
2019-02-21 13:45
2019-01-10 14:41
2018-12-06 17:35
Python
1
https://gitee.com/paddlepaddle/PaddleDetection.git
git@gitee.com:paddlepaddle/PaddleDetection.git
paddlepaddle
PaddleDetection
PaddleDetection

搜索帮助

14c37bed 8189591 565d56ea 8189591