v2.6.0   - 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

v2.5.0   - 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

2.5.0   - 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

v2.4.0   - 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

v2.3.0   - 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

v2.2.0   - 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

v2.1.0   - 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

v2.0.0   **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

v2.0.0-rc0   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

v0.1.0   Release version v0.1.0

v1.5.1   this is version 1.5.1

lite-v0.1   this is version lite-v0.1

v1.5.0   this is version 1.5.0

v1.4.1   this is version 1.4.1

v1.4.0   this is version 1.4.0

v1.3.2

v1.3.1

v1.3.0

v1.2.1

v1.2.0