paddledet 2.2.0

Object detection and instance segmentation toolkit based on PaddlePaddle

简体中文 | English

PaddleDetection

PaddleDetection 2.0全面升级！目前默认使用动态图版本，静态图版本位于static中

全新发布关键点检测和多目标跟踪能力！欢迎使用

超高性价比PPYOLO v2和1.3M超轻量PPYOLO tiny全新出炉！欢迎使用

Anchor Free SOTA模型PAFNet发布！欢迎使用

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。

产品动态

• 2021.05.20: 发布release/2.1版本，新增关键点检测，模型包括HigherHRNet，HRNet。新增多目标跟踪能力，模型包括DeepSORT，JDE，FairMOT。发布PPYOLO系列模型压缩模型，新增ONNX模型导出教程，详情参考PaddleDetection
• 2021.04.14: 发布release/2.0版本，PaddleDetection全面支持动态图，覆盖静态图模型算法，全面升级模型效果，同时发布PP-YOLO v2, PPYOLO tiny模型，增强版anchor free模型PAFNet，新增旋转框检测S2ANet模型，详情参考PaddleDetection
• 2021.02.07: 发布release/2.0-rc版本，PaddleDetection动态图试用版本，详情参考PaddleDetection动态图。

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。

套件结构概览

Architectures	Backbones	Components	Data Augmentation
Two-Stage Detection Faster RCNN FPN Cascade-RCNN Libra RCNN Hybrid Task RCNN PSS-Det One-Stage Detection RetinaNet YOLOv3 YOLOv4 PP-YOLO SSD Anchor Free CornerNet-Squeeze FCOS TTFNet Instance Segmentation Mask RCNN SOLOv2 Face-Detction FaceBoxes BlazeFace BlazeFace-NAS	ResNet(&vd) ResNeXt(&vd) SENet Res2Net HRNet Hourglass CBNet GCNet DarkNet CSPDarkNet VGG MobileNetv1/v3 GhostNet Efficientnet	Common Sync-BN Group Norm DCNv2 Non-local FPN BiFPN BFP HRFPN ACFPN Loss Smooth-L1 GIoU/DIoU/CIoU IoUAware Post-processing SoftNMS MatrixNMS Speed FP16 training Multi-machine training	Resize Flipping Expand Crop Color Distort Random Erasing Mixup Cutmix Grid Mask Auto Augment

模型性能概览

各模型结构和骨干网络的代表模型在COCO数据集上精度mAP和单卡Tesla V100上预测速度(FPS)对比图。

说明：

• CBResNet为Cascade-Faster-RCNN-CBResNet200vd-FPN模型，COCO数据集mAP高达53.3%
• Cascade-Faster-RCNN为Cascade-Faster-RCNN-ResNet50vd-DCN，PaddleDetection将其优化到COCO数据mAP为47.8%时推理速度为20FPS
• PP-YOLO在COCO数据集精度45.9%，Tesla V100预测速度72.9FPS，精度速度均优于YOLOv4
• PP-YOLO v2是对PP-YOLO模型的进一步优化，在COCO数据集精度49.5%，Tesla V100预测速度68.9FPS
• 图中模型均可在模型库中获取

文档教程

入门教程

• 安装说明
• 数据准备
• 30分钟上手PaddleDetcion
• FAQ/常见问题汇总

进阶教程

• 参数配置

  • RCNN参数说明
  • PP-YOLO参数说明

• 模型压缩(基于PaddleSlim)

  • 剪裁/量化/蒸馏教程

• 推理部署

  • 模型导出教程
  • Paddle Inference部署
    • Python端推理部署
    • C++端推理部署
  • Paddle-Lite部署
  • Paddle Serving部署
  • ONNX模型导出
  • 推理benchmark

• 进阶开发

  • 数据处理模块
  • 新增检测模型

模型库

• 通用目标检测:
  • 模型库
  • PP-YOLO模型
  • 增强版Anchor Free模型TTFNet
  • 移动端模型
  • 676类目标检测
  • 两阶段实用模型PSS-Det
  • 半监督知识蒸馏预训练检测模型
• 通用实例分割
  • SOLOv2
• 旋转框检测
  • S2ANet
• 关键点检测
  • HigherHRNet
  • HRNet
• 多目标跟踪
  • DeepSORT
  • JDE
  • FairMOT
• 垂类领域
  • 行人检测
  • 车辆检测
  • 人脸检测
• 比赛冠军方案
  • Objects365 2019 Challenge夺冠模型
  • Open Images 2019-Object Detction比赛最佳单模型

应用案例

• 人像圣诞特效自动生成工具

第三方教程推荐

• PaddleDetection在Windows下的部署(一)
• PaddleDetection在Windows下的部署(二)
• Jetson Nano上部署PaddleDetection经验分享
• 安全帽检测YOLOv3模型在树莓派上的部署
• 使用SSD-MobileNetv1完成一个项目--准备数据集到完成树莓派部署

版本更新

v2.2版本已经在08/2021发布，全新发布Transformer检测系列模型，新增关键点检测Dark HRNet模型，新增人头、车辆跟踪垂类模型，发布旋转框检测S2ANet优化模型，主流模型支持batch size > 1预测部署，详细内容请参考版本更新文档

v2.1版本已经在05/2021发布，全新发布关键点检测和多目标跟踪能力，支持无标注框检测，发布PPYOLO系列模型压缩模型，新增ONNX模型导出教程，详细内容请参考版本更新文档。

v2.0版本已经在04/2021发布，全面支持动态图版本，新增支持BlazeFace, PSSDet等系列模型和大量骨干网络，发布PP-YOLO v2, PP-YOLO tiny和旋转框检测S2ANet模型。支持模型蒸馏、VisualDL，新增动态图预测部署benchmark，详细内容请参考版本更新文档。

许可证书

本项目的发布受Apache 2.0 license许可认证。

贡献代码

我们非常欢迎你可以为PaddleDetection提供代码，也十分感谢你的反馈。

• 感谢Mandroide清理代码并且统一部分函数接口。
• 感谢FL77N贡献Sparse-RCNN模型代码。

引用

@misc{ppdet2019,
title={PaddleDetection, Object detection and instance segmentation toolkit based on PaddlePaddle.},
author={PaddlePaddle Authors},
howpublished = {\url{https://github.com/PaddlePaddle/PaddleDetection}},
year={2019}
}