成为VIP
源码属性
| 作者 | 百度 |
| 授权 | 开源 |
| 大小 | 43.49MB |
| 语言 | Python |
| 运行环境 | Python |
源码简介
PaddleDetection飞桨目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。PaddleDetection模块化地实现了多种主流目标检测算法，提供了丰富的数据增强策略、网络模块组件（如骨干网络）、损失函数等，并集成了模型压缩和跨平台高性能部署能力。经过长时间产业实践打磨，PaddleDetection已拥有顺畅、卓越的使用体验，被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。
特性模型丰富: 包含目标检测、实例分割、人脸检测等100+个预训练模型，涵盖多种全球竞赛冠军方案使用简洁：模块化设计，解耦各个网络组件，开发者轻松搭建、试用各种检测模型及优化策略，快速得到高性能、定制化的算法。端到端打通: 从数据增强、组网、训练、压缩、部署端到端打通，并完备支持云端/边缘端多架构、多设备部署。高性能: 基于飞桨的高性能内核，模型训练速度及显存占用优势明显。支持FP16训练, 支持多机训练。
PaddleDetection v2.3.0 更新日志：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
本文永久链接地址：https://www.ymkuzhan.com/66413.html
亿码酷站
