- 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
2.4(03.24/2022)
-
PP-YOLOE：
- 发布PP-YOLOE特色模型，l版本COCO test2017数据集精度51.6%，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
-
模型丰富度:
- 发布YOLOX，支持nano/tiny/s/m/l/x版本，x版本COCO val2017数据集精度51.8%
-
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
P
项目简介
Object Detection toolkit based on PaddlePaddle. It supports object detection, instance segmentation, multiple object tracking and real-time multi-person keypoint detection.
源项目地址