Need help with PaddleDetection?
Click the “chat” button below for chat support from the developer who created it, or find similar developers for support.

About the developer

PaddlePaddle
2.4K Stars 705 Forks Apache License 2.0 763 Commits 302 Opened issues

Description

Object detection and instance segmentation toolkit based on PaddlePaddle.

Services available

!
?

Need anything else?

Contributors list

# 9,848
Python
C++
Jupyter...
Shell
164 commits
# 15,978
Python
C++
Jupyter...
Shell
130 commits
# 8,113
Python
C++
Jupyter...
Shell
123 commits
# 24,875
Vim
Python
C++
fcos
46 commits
# 8,472
Python
C++
Jupyter...
Shell
45 commits
# 48,448
C++
Jupyter...
Shell
fcos
32 commits
# 31,560
C++
Jupyter...
Shell
Java
30 commits
# 45,723
C++
Jupyter...
Shell
fcos
30 commits
# 11,130
Python
C++
Jupyter...
Shell
13 commits
# 44,989
C++
Jupyter...
Shell
fcos
13 commits
# 48,365
C++
Jupyter...
Shell
fcos
12 commits
# 53,857
C++
Jupyter...
Shell
fcos
12 commits
# 45,943
Tensorf...
pytorch
C++
yolov4
8 commits
# 62,824
Tensorf...
pytorch
C++
yolov4
8 commits
# 106,385
C++
Jupyter...
Shell
fcos
6 commits
# 48,658
C++
Jupyter...
Shell
unet
5 commits
# 49,519
C++
Jupyter...
Shell
fcos
5 commits
# 61,148
C++
Jupyter...
Shell
deeplab...
3 commits
# 145,402
C++
Jupyter...
Shell
fcos
3 commits
# 137,959
C#
C++
Jupyter...
Shell
3 commits

简体中文 | English

文档:https://paddledetection.readthedocs.io

简介

PaddleDetection飞桨目标检测开发套件,旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。

PaddleDetection模块化地实现了多种主流目标检测算法,提供了丰富的数据增强策略、网络模块组件(如骨干网络)、损失函数等,并集成了模型压缩和跨平台高性能部署能力。

经过长时间产业实践打磨,PaddleDetection已拥有顺畅、卓越的使用体验,被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。

产品动态

  • 2021.02.07: 发布release/2.0-rc版本,PaddleDetection动态图试用版本,详情参考PaddleDetection动态图
  • 2020.11.20: 发布release/0.5版本,详情请参考版本更新文档
  • 2020.11.10: 添加实例分割模型SOLOv2,在Tesla V100上达到38.6 FPS, COCO-val数据集上mask ap达到38.8,预测速度提高24%,mAP提高2.4个百分点。
  • 2020.10.30: PP-YOLO支持矩形图像输入,并新增PACT模型量化策略。
  • 2020.09.30: 发布移动端检测demo,可直接扫码安装体验。
  • 2020.09.21-27: 【目标检测7日打卡课】手把手教你从入门到进阶,深入了解目标检测算法的前世今生。立即加入课程QQ交流群(1136406895)一起学习吧 :)
  • 2020.07.24: 发布产业最实用目标检测模型 PP-YOLO ,深入考虑产业应用对精度速度的双重面诉求,COCO数据集精度45.2%(最新45.9%),Tesla V100预测速度72.9 FPS,详细信息见文档
  • 2020.06.11: 发布676类大规模服务器端实用目标检测模型,适用于绝大部分使用场景,可以直接用来预测,也可以用于微调其他任务。

特性

  • 模型丰富: 包含目标检测实例分割人脸检测100+个预训练模型,涵盖多种全球竞赛冠军方案
  • 使用简洁:模块化设计,解耦各个网络组件,开发者轻松搭建、试用各种检测模型及优化策略,快速得到高性能、定制化的算法。
  • 端到端打通: 从数据增强、组网、训练、压缩、部署端到端打通,并完备支持云端/边缘端多架构、多设备部署。
  • 高性能: 基于飞桨的高性能内核,模型训练速度及显存占用优势明显。支持FP16训练, 支持多机训练。

套件结构概览

Architectures Backbones Components Data Augmentation
  • Two-Stage Detection
    • Faster RCNN
    • FPN
    • Cascade-RCNN
    • Libra RCNN
    • Hybrid Task RCNN
    • PSS-Det RCNN
  • One-Stage Detection
    • RetinaNet
    • YOLOv3
    • YOLOv4
    • PP-YOLO
    • SSD
  • Anchor Free
    • CornerNet-Squeeze
    • FCOS
    • TTFNet
  • Instance Segmentation
    • Mask RCNN
    • SOLOv2
  • Face-Detction
    • FaceBoxes
    • BlazeFace
    • BlazeFace-NAS
  • ResNet(&vd)
  • ResNeXt(&vd)
  • SENet
  • Res2Net
  • HRNet
  • Hourglass
  • CBNet
  • GCNet
  • DarkNet
  • CSPDarkNet
  • VGG
  • MobileNetv1/v3
  • GhostNet
  • Efficientnet
  • Common
    • Sync-BN
    • Group Norm
    • DCNv2
    • Non-local
  • FPN
    • BiFPN
    • BFP
    • HRFPN
    • ACFPN
  • Loss
    • Smooth-L1
    • GIoU/DIoU/CIoU
    • IoUAware
  • Post-processing
    • SoftNMS
    • MatrixNMS
  • Speed
    • FP16 training
    • Multi-machine training
  • Resize
  • Flipping
  • Expand
  • Crop
  • Color Distort
  • Random Erasing
  • Mixup
  • Cutmix
  • Grid Mask
  • Auto Augment

模型性能概览

各模型结构和骨干网络的代表模型在COCO数据集上精度mAP和单卡Tesla V100上预测速度(FPS)对比图。

说明: -

CBResNet
Cascade-Faster-RCNN-CBResNet200vd-FPN
模型,COCO数据集mAP高达53.3% -
Cascade-Faster-RCNN
Cascade-Faster-RCNN-ResNet50vd-DCN
,PaddleDetection将其优化到COCO数据mAP为47.8%时推理速度为20FPS - PaddleDetection增强版
YOLOv3-ResNet50vd-DCN
在COCO数据集mAP高于原作10.6个绝对百分点,推理速度为61.3FPS,快于原作约70% - 图中模型均可在模型库中获取

文档教程

入门教程

进阶教程

模型库

应用案例

第三方教程推荐

版本更新

v2.0-rc版本已经在

02/2021
发布,新增动态图版本,支持RCNN, YOLOv3, PP-YOLO, SSD/SSDLite, FCOS, TTFNet, SOLOv2等系列模型,支持模型剪裁和量化,支持预测部署及TensorRT推理加速,详细内容请参考版本更新文档

许可证书

本项目的发布受Apache 2.0 license许可认证。

贡献代码

我们非常欢迎你可以为PaddleDetection提供代码,也十分感谢你的反馈。

We use cookies. If you continue to browse the site, you agree to the use of cookies. For more information on our use of cookies please see our Privacy Policy.