Fork自 PaddlePaddle / PaddleDetection
体验新版 GitCode，发现更多精彩内容 >>
## 大规模实用目标检测模型 ### 简介 * 与图像分类任务不同，目标检测任务中，不仅需要标注图像中物体所属类别，还要标注其边框位置，因此标注成本相对更高。目前已开源的目标检测数据集中，应用比较广泛的有Open Images V5、Objects365和COCO数据集，这三个数据集的基本信息如下。 | Dataset | Classes | Images | Bounding boxes | |--------------------|---------|-----------|----------------| | COCO | 80 | 123,287 | 886,284 | | Objects365 | 365 | 600,000 | 10,000,000 | | Open Images V5 | 500 | 1,743,042 | 14,610,229 | 上述数据集中包含的类别均不多(相比于ImageNet1k分类数据集的1000个类别)。为了提供更加实用的服务器端目标检测模型，方便用户在不需要任何微调的情况下就可以直接使用，PaddleDetection结合[服务器端实用目标检测方案](./SERVER_SIDE.md)，融合Open Images V5和Objects365训练集数据(二者包含许多重复类别)，生成了包含676个类别的新数据集，类别映射关系可以在这里查看: [676个类别的标签文件](../../dataset/voc/generic_det_label_list_zh.txt)。并训练了服务器端实用目标检测模型，适用于绝大部分应用场景，方便用户直接部署使用，用户也可以根据提供的预训练模型，在自己的数据集上进行模型微调，加快收敛并获得更高的精度指标。 ### 模型库 | 骨架网络 | 网络类型 | 下载 | 配置文件 | | :---------------| :---------------| :---------------| :---------------
| ResNet50-vd-FPN-Dcnv2 | Cascade Faster | [下载链接](https://paddlemodels.bj.bcebos.com/object_detection/cascade_rcnn_dcn_r50_vd_fpn_gen_server_side.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/develop/static/configs/rcnn_enhance/generic/cascade_rcnn_dcn_r50_vd_fpn_gen_server_side.yml) | | ResNet101-vd-FPN-Dcnv2 | Cascade Faster | [下载链接](https://paddlemodels.bj.bcebos.com/object_detection/cascade_rcnn_dcn_r101_vd_fpn_gen_server_side.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/develop/static/configs/rcnn_enhance/generic/cascade_rcnn_dcn_r101_vd_fpn_gen_server_side.yml) | | CBResNet101-vd-FPN | Cascade Faster | [下载链接](https://paddlemodels.bj.bcebos.com/object_detection/cascade_rcnn_cbr101_vd_fpn_server_side.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/develop/static/configs/rcnn_enhance/generic/cascade_rcnn_cbr101_vd_fpn_server_side.yml) |
