百度又釋出一個神器!網友直呼好傢伙

語言: CN / TW / HK

目標檢測作為計算機視覺領域的頂樑柱,不僅可以獨立完成車輛、商品、缺陷檢測等任務,也是人臉識別、視訊分析、以圖搜圖等複合技術的核心模組,在自動駕駛、工業視覺、安防交通等領域的商業價值有目共睹。

正因如此,YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet 等優秀演算法層出不窮,各有優劣側重。而在當前雲、邊、端多場景協同的產業大趨勢下,執行速度、模型計算量、模型格式轉化、硬體適配、統一部署方案等實際問題都需要考慮,到底該怎麼選呢?

今天小編就給大家推薦一個,針對雲、邊、端各環境都深層優化的超強目標檢測開發套件 — PaddleDetection。無論你追求的是高精度、輕量化,還是場景預訓練模型,它其中的模型都能以業界最高標準滿足你的需求 。同時,這些模型都擁有統一的使用方式及部署策略,不再需要進行模型轉化、介面調整,更貼合工業大生產標準化、模組化的需求!

還在等什麼!趕緊檢視全部開原始碼並Star收藏吧!!

傳送門:

https://github.com/PaddlePaddle/PaddleDetection

下面,讓我們來詳細解讀下這個開發套件中的模型,是如何達到業界最高標準,又如何提供產業最佳實踐體驗的!

PP-YOLOE:

高精度SOTA目標檢測模型

PP-YOLOE 根據不同應用場景設計了 s/m/l/x,4 個尺寸的模型來支援不同算力水平的硬體,無論是哪個尺寸,

精度-速度都超越當前所有同等計算量下的 YOLO 模型!

  • 效能卓越 具體來說,PP-YOLOE-l在COCO test-dev 上以精度 51.4%,TRT FP16 推理速度 149FPS 的優異資料,相較 YOLOX,精度提升 1.3%,加速 25%;相較 YOLOv5,精度提升 0.7%,加速 26.8%。訓練速度較 PP-YOLOv2 提高 33%,大幅降低模型訓練成本。

  • 部署友好 與此同時,PP-YOLOE 在結構設計上避免使用如 deformable convolution 或者 matrix nms 之類的特 殊運算元,使其能輕鬆適配更多硬體。當前已經完備支援 NVIDIA V100、T4 這樣的雲端 GPU 架構以及如 Jetson 系列等邊緣端 GPU 和 FPGA 開發板。

PP-YOLOE 完整程式碼實現:

https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe

技術報告:

https://arxiv.org/abs/2203.16250

PP-PicoDet:

0.7M超超超輕量SOTA目標檢測模型

超乎想象的超小體積及超預期的效能,使 PP-PicoDet 成為邊緣、低功耗硬體部署的最佳選擇。

  • 更強效能 PP-PicoDet-S 引數量僅有 1.18M,卻有 32.5%mAP 的精度,不僅精度比相較 YOLOX-Nano 高 6.7%,推理速度還提升了 26%;相較比 NanoDet-Plus,mAP 也高出了 2%,速度提升 30%。最新增加的 PP-PicoDet-XS 更是僅有 0.7M,在 CPU 上預測速度可達 250FPS 以上,在訓練速度上也大幅提升一倍以上。

  • 更好優化支援 考慮到端側對計算量的優化追求是極致的,PP-PicoDet 在模型量化訓練和稀疏化壓縮方案支援方面做了更深度的打磨, 僅需兩步,即可實現在移動端部署加速 30% 以上的效果。

  • 更友好部署 為了部署更加輕鬆高效, PP-PicoDet 在模型匯出環節, 將模型的後處理包含在了網路中,支援預測直接輸出檢測結果,無需額外開發後處理模組,還能端到端加速 10%-20%。

PP-PicoDet 程式碼實現:

https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/picodet

技術報告地址:

https://arxiv.org/abs/2111.00902

更多開源社群優秀演算法

統一、極致的開發體驗

PaddleDetection 還第一時間收錄瞭如 YOLOv4、YOLOX 及 SwinTransformer 等在內的前沿優秀演算法,與 Faster-RCNN、YOLOv3 等經典演算法一同,為使用者提供極致簡單、統一的使用方式, 且得益於 飛槳原生推理庫 Paddle Inference 及飛槳端側推理框架 Paddle Lite 的能力 ,通過支援  TensorRT  和  OpenVino 開發者可以快速完成在 服務端和邊緣端 GPU或 ARM CPU、NPU 等硬體上的 高效能加速部署 。此外,PaddleDetection 還 支援一鍵匯出為 ONNX 格式 ,順暢對接 ONNX 生態。

以上所有模型、程式碼及使用文件、Demo均在PaddleDetection中開源提供,從此無需再內卷,通用目標檢測,這一個專案就夠了!

趕緊:star2: Star :star2:收藏訂閱最新動態吧!

https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4

直播課預告

為了讓開發者們更深入的瞭解 PaddleDetection 這次的全新模型,解決落地應用難點,掌握產業實踐的核心能力,飛槳團隊精心準備了精品直播課!

( 掃碼報名直播課,加入技術交流群)

4 月 19 日 20:30,百度資深高工將為我們詳細介紹超強檢測矩陣,對各型別 SOTA 模型的原理及使用方式進行拆解, 之後兩天還有檢測拓展應用梳理及產業案例全流程實操,對各類痛難點解決方案進行手把手教學,加上直播現場互動答疑,還在等什麼!抓緊掃碼上車吧!