只有0.7M？超超超輕量SOTA目標(biāo)檢測模型揭秘！
目標(biāo)檢測作為計算機(jī)視覺領(lǐng)域的頂梁柱，不僅可以獨立完成車輛、商品、缺陷檢測等任務(wù)，也是人臉識別、視頻分析、以圖搜圖等復(fù)合技術(shù)的核心模塊，在自動駕駛、工業(yè)視覺、安防交通等領(lǐng)域的商業(yè)價值有目共睹。
正因如此，YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet等優(yōu)秀算法層出不窮，各有優(yōu)劣側(cè)重。而在當(dāng)前云、邊、端多場景協(xié)同的產(chǎn)業(yè)大趨勢下，運行速度、模型計算量、模型格式轉(zhuǎn)化、硬件適配、統(tǒng)一部署方案等實際問題都需要考慮，到底該怎么選呢？
今天小編就給大家推薦一個，針對云、邊、端各環(huán)境都深層優(yōu)化的超強(qiáng)目標(biāo)檢測開發(fā)套件 —?PaddleDetection。無論你追求的是高精度、輕量化，還是場景預(yù)訓(xùn)練模型，它其中的模型都能以業(yè)界最高標(biāo)準(zhǔn)滿足你的需求。同時，這些模型都擁有統(tǒng)一的使用方式及部署策略，不再需要進(jìn)行模型轉(zhuǎn)化、接口調(diào)整，更貼合工業(yè)大生產(chǎn)標(biāo)準(zhǔn)化、模塊化的需求！
還在等什么！趕緊查看全部開源代碼并Star收藏吧！！
傳送門：?https://github.com/PaddlePaddle/PaddleDetection
下面，讓我們來詳細(xì)解讀下這個開發(fā)套件中的模型，是如何達(dá)到業(yè)界最高標(biāo)準(zhǔn)，又如何提供產(chǎn)業(yè)最佳實踐體驗的！
PP-YOLOE：
高精度SOTA目標(biāo)檢測模型
PP-YOLOE根據(jù)不同應(yīng)用場景設(shè)計了s/m/l/x，4個尺寸的模型來支持不同算力水平的硬件，無論是哪個尺寸，精度-速度都超越當(dāng)前所有同等計算量下的YOLO模型！
性能卓越：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(yōu)異數(shù)據(jù)，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(xùn)練速度較PP-YOLOv2提高33%，大幅降低模型訓(xùn)練成本。
部署友好：與此同時，PP-YOLOE在結(jié)構(gòu)設(shè)計上避免使用如deformable convolution或者matrix nms之類的特殊算子，使其能輕松適配更多硬件。當(dāng)前已經(jīng)完備支持NVIDIA V100、T4這樣的云端GPU架構(gòu)以及如Jetson系列等邊緣端GPU和FPGA開發(fā)板。
PP-YOLOE完整代碼實現(xiàn)：
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe
技術(shù)報告：
https://arxiv.org/abs/2203.16250
PP-PicoDet：
0.7M超超超輕量SOTA目標(biāo)檢測模型
超乎想象的超小體積及超預(yù)期的性能，使PP-PicoDet成為邊緣、低功耗硬件部署的最佳選擇。
更強(qiáng)性能：PP-PicoDet-S參數(shù)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(yù)測速度可達(dá)250FPS以上，在訓(xùn)練速度上也大幅提升一倍以上。
更好優(yōu)化支持：考慮到端側(cè)對計算量的優(yōu)化追求是極致的，PP-PicoDet在模型量化訓(xùn)練和稀疏化壓縮方案支持方面做了更深度的打磨，僅需兩步，即可實現(xiàn)在移動端部署加速30%以上的效果。
更友好部署：為了部署更加輕松高效， PP-PicoDet在模型導(dǎo)出環(huán)節(jié)， 將模型的后處理包含在了網(wǎng)絡(luò)中，支持預(yù)測直接輸出檢測結(jié)果，無需額外開發(fā)后處理模塊，還能端到端加速10%-20%。
PP-PicoDet代碼實現(xiàn)：
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/picodet
技術(shù)報告地址：
https://arxiv.org/abs/2111.00902
更多開源社區(qū)優(yōu)秀算法
統(tǒng)一、極致的開發(fā)體驗
PaddleDetection還第一時間收錄了如YOLOv4、YOLOX及SwinTransformer等在內(nèi)的前沿優(yōu)秀算法，與Faster-RCNN、YOLOv3等經(jīng)典算法一同，為用戶提供極致簡單、統(tǒng)一的使用方式， 且得益于飛槳原生推理庫Paddle Inference及飛槳端側(cè)推理框架Paddle Lite的能力，通過支持TensorRT和OpenVino，開發(fā)者可以快速完成在服務(wù)端和邊緣端GPU或ARM CPU、NPU等硬件上的高性能加速部署。此外，PaddleDetection還支持一鍵導(dǎo)出為ONNX格式，順暢對接ONNX生態(tài)。
以上所有模型、代碼及使用文檔、Demo均在PaddleDetection中開源提供，從此無需再內(nèi)卷，通用目標(biāo)檢測，這一個項目就夠了！
趕緊??Star??收藏訂閱最新動態(tài)吧！
https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4
直播課預(yù)告
為了讓開發(fā)者們更深入的了解PaddleDetection這次的全新模型，解決落地應(yīng)用難點，掌握產(chǎn)業(yè)實踐的核心能力，飛槳團(tuán)隊精心準(zhǔn)備了精品直播課！
4月19日20:30，百度資深高工將為我們詳細(xì)介紹超強(qiáng)檢測矩陣，對各類型SOTA模型的原理及使用方式進(jìn)行拆解，之后兩天還有檢測拓展應(yīng)用梳理及產(chǎn)業(yè)案例全流程實操，對各類痛難點解決方案進(jìn)行手把手教學(xué)，加上直播現(xiàn)場互動答疑，還在等什么！抓緊掃碼上車吧！
（?掃碼報名直播課，加入技術(shù)交流群）
