- 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