PaddleDetection端到端目標(biāo)檢測(cè)開發(fā)套件

## CPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

PaddleDetection是飛槳推出的端到端目標(biāo)檢測(cè)開發(fā)套件，旨在幫助開發(fā)者更快更好地完成檢測(cè)模型的訓(xùn)練、精度速度優(yōu)化到部署全流程。PaddleDetection以模塊化的設(shè)計(jì)實(shí)現(xiàn)了多種主流目標(biāo)檢測(cè)算法，并且提供了豐富的數(shù)據(jù)增強(qiáng)、網(wǎng)絡(luò)組件、損失函數(shù)等模塊，集成了模型壓縮和跨平臺(tái)高性能部署能力。目前基于PaddleDetection已經(jīng)完成落地的項(xiàng)目涉及工業(yè)質(zhì)檢、遙感圖像檢測(cè)、無人巡檢等多個(gè)領(lǐng)域。

目前檢測(cè)庫(kù)下模型均要求使用PaddlePaddle 1.7及以上版本或適當(dāng)?shù)膁evelop版本。

簡(jiǎn)介

特性：

• 模型豐富：

  PaddleDetection提供了豐富的模型，包含目標(biāo)檢測(cè)、實(shí)例分割、人臉檢測(cè)等100+個(gè)預(yù)訓(xùn)練模型，涵蓋多種數(shù)據(jù)集競(jìng)賽冠軍方案、適合云端/邊緣端設(shè)備部署的檢測(cè)方案。

• 易部署:

  PaddleDetection的模型中使用的核心算子均通過C++或CUDA實(shí)現(xiàn)，同時(shí)基于PaddlePaddle的高性能推理引擎可以方便地部署在多種硬件平臺(tái)上。

• 高靈活度：

  PaddleDetection通過模塊化設(shè)計(jì)來解耦各個(gè)組件，基于配置文件可以輕松地搭建各種檢測(cè)模型。

• 高性能：

  基于PaddlePaddle框架的高性能內(nèi)核，在模型訓(xùn)練速度、顯存占用上有一定的優(yōu)勢(shì)。例如，YOLOv3的訓(xùn)練速度快于其他框架，在Tesla V100 16GB環(huán)境下，Mask-RCNN(ResNet50)可以單卡Batch Size可以達(dá)到4 (甚至到5)。

支持的模型結(jié)構(gòu)：

[1] ResNet-vd 模型預(yù)測(cè)速度基本不變的情況下提高了精度。

說明： ? 為模型庫(kù)中提供了對(duì)應(yīng)配置文件和預(yù)訓(xùn)練模型，? 為未提供參考配置，但一般都支持。

更多的模型:

• EfficientDet
• FCOS
• CornerNet-Squeeze
• YOLOv4

更多的Backone：

• DarkNet
• VGG
• GCNet
• CBNet
• Hourglass

擴(kuò)展特性：

•  Synchronized Batch Norm
•  Group Norm
•  Modulated Deformable Convolution
•  Deformable PSRoI Pooling
•  Non-local和GCNet