\u200E
高精度PP-YOLOE、轻量化PP-PicoDet SOTA模型重磅开源!
发布日期:2022-04-19T11:21:56.000+0000 浏览量:184次


目标检测作为计算机视觉领域的顶梁柱,不仅可以独立完成车辆、商品、缺陷检测等任务,也是人脸识别、视频分析、以图搜图等复合技术的核心模块,在自动驾驶、工业视觉、安防交通等领域的商业价值有目共睹。


正因如此,YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet等优秀算法层出不穷,各有优劣侧重。而在当前云、边、端多场景协同的产业大趋势下,运行速度、模型计算量、模型格式转化、硬件适配、统一部署方案等实际问题都需要考虑,到底该怎么选呢?


今天小编就给大家推荐一个,针对云、边、端各环境都深层优化的超强目标检测开发套件——PaddleDetection。无论你追求的是高精度、轻量化,还是场景预训练模型,它其中的模型都能以业界高标准满足你的需求。同时,这些模型都拥有统一的使用方式及部署策略,不再需要进行模型转化、接口调整,更贴合工业大生产标准化、模块化的需求!

还在等什么!赶紧查看全部开源代码并Star收藏吧!!


传送门:
https://github.com/PaddlePaddle/PaddleDetection

下面,让我们来详细解读下这个开发套件中的模型,是如何达到业界高标准,又如何提供产业极佳实践体验的!


PP-YOLOE根据不同应用场景设计了s/m/l/x,4个尺寸的模型来支持不同算力水平的硬件,无论是哪个尺寸, 精度-速度的平衡都超越当前所有同等计算量下的YOLO模型!

  • 性能卓越:具体来说,PP-YOLOE-l在COCO test-dev上以精度51.4%,TRT FP16推理速度149FPS的优异数据,相较YOLOX,精度提升1.3%,加速25%;相较YOLOv5,精度提升0.7%,加速26.8%。训练速度较PP-YOLOv2提高33%,降低模型训练成本。

  • 部署友好:与此同时,PP-YOLOE在结构设计上避免使用如deformable convolution或者matrix nms之类的特殊算子,使其能轻松适配更多硬件。当前已经完备支持NVIDIA V100、T4这样的云端GPU架构以及如Jetson系列等边缘端GPU和FPGA开发板。

PP-YOLOE完整代码实现:
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe
技术报告:
https://arxiv.org/abs/2203.16250


PP-PicoDet:

0.7M超超轻量SOTA目标检测模型




超乎想象的超小体积及超预期的性能,使PP-PicoDet成为边缘、低功耗硬件部署的极佳选择,而此次发布更是在原有基础上再次升级:

  • 更强性能:PP-PicoDet-S参数量仅有1.18M,却有32.5%mAP的精度,相较YOLOX-Nano高6.7%,推理速度提升了26%;相较NanoDet-Plus,mAP也高出了2%,速度提升30%。最新增加的PP-PicoDet-XS更是仅有0.7M,在CPU上预测速度可达250FPS以上,在训练速度上也大幅提升一倍以上


  • 更好优化支持 :考虑到端侧对计算量的优化追求是极致的,PP-PicoDet在模型量化训练和稀疏化压缩方案支持方面做了更深度的打磨, 仅需两步,即可实现在移动端部署加速30%以上的效果。
 


  • 更友好部署 :为了部署更加轻松高效, PP-PicoDet在模型导出环节,将模型的后处理包含在了网络中,支持预测直接输出检测结果,无需额外开发后处理模块,还能端到端加速10%-20%。

PP-PicoDet代码实现: https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/picodet
技术报告地址:
https://arxiv.org/abs/2111.00902


更多开源社区优秀算法

统一、极致的开发体验




PaddleDetection还第一时间收录了如YOLOv4、YOLOX及SwinTransformer等在内的前沿优秀算法,与Faster-RCNN、YOLOv3等经典算法一同,为用户提供极致简单、统一的使用方式,且得益于 飞桨原生推理库Paddle Inference及飞桨端侧推理框架Paddle Lite的能力 ,通过支持 TensorRT和OpenVino,开发者可以快速完成 在服务端和边缘端GPU或ARM CPU、NPU等硬件上的 高性能加速部署 。此外,PaddleDetection还支持一键导出为 ONNX格式 ,顺畅对接ONNX生态。
 


以上所有模型、代码及使用文档、Demo均在 PaddleDetection 中开源提供,从此无需再内卷,通用目标检测,这一个项目就够了!

赶紧 Star 收藏订阅最新动态吧!
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4


直播课预告




为了让开发者们更深入的了解PaddleDetection这次的全新模型,解决落地应用难点,掌握产业实践的核心能力,飞桨团队精心准备了精品直播课!


4月19日20:30百度资深高工将为我们详细介绍超强检测矩阵,对各类型SOTA模型的原理及使用方式进行拆解,之后两天还有检测拓展应用梳理及产业案例全流程实操,对各类痛难点解决方案进行手把手教学,加上直播现场互动答疑,还在等什么!抓紧扫码上车吧!



关注【飞桨PaddlePaddle】公众号

获取更多技术内容~