PaddleDetection端到端目標(biāo)檢測開發(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)檢測開發(fā)套件，旨在幫助開發(fā)者更快更好地完成檢測模型的訓(xùn)練、精度速度優(yōu)化到部署全流程。PaddleDetection以模塊化的設(shè)計實現(xiàn)了多種主流目標(biāo)檢測算法，并且提供了豐富的數(shù)據(jù)增強、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高性能部署能力。目前基于PaddleDetection已經(jīng)完成落地的項目涉及工業(yè)質(zhì)檢、遙感圖像檢測、無人巡檢等多個領(lǐng)域。
目前檢測庫下模型均要求使用PaddlePaddle 1.7及以上版本或適當(dāng)?shù)膁evelop版本。
簡介
特性：
-
模型豐富：
PaddleDetection提供了豐富的模型，包含目標(biāo)檢測、實例分割、人臉檢測等100+個預(yù)訓(xùn)練模型，涵蓋多種數(shù)據(jù)集競賽冠軍方案、適合云端/邊緣端設(shè)備部署的檢測方案。
-
易部署:
PaddleDetection的模型中使用的核心算子均通過C++或CUDA實現(xiàn)，同時基于PaddlePaddle的高性能推理引擎可以方便地部署在多種硬件平臺上。
-
高靈活度：
PaddleDetection通過模塊化設(shè)計來解耦各個組件，基于配置文件可以輕松地搭建各種檢測模型。
-
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。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可以達到4 (甚至到5)。
支持的模型結(jié)構(gòu)：
| ResNet | ResNet-vd 1 | ResNeXt-vd | SENet | MobileNet | HRNet | Res2Net | |
|---|---|---|---|---|---|---|---|
| Faster R-CNN | ? | ? | x | ? | ? | ? | ? |
| Faster R-CNN + FPN | ? | ? | ? | ? | ? | ? | ? |
| Mask R-CNN | ? | ? | x | ? | ? | ? | ? |
| Mask R-CNN + FPN | ? | ? | ? | ? | ? | ? | ? |
| Cascade Faster-RCNN | ? | ? | ? | ? | ? | ? | ? |
| Cascade Mask-RCNN | ? | ? | ? | ? | ? | ? | ? |
| Libra R-CNN | ? | ? | ? | ? | ? | ? | ? |
| RetinaNet | ? | ? | ? | ? | ? | ? | ? |
| YOLOv3 | ? | ? | ? | ? | ? | ? | ? |
| SSD | ? | ? | ? | ? | ? | ? | ? |
| BlazeFace | ? | ? | ? | ? | ? | ? | ? |
| Faceboxes | ? | ? | ? | ? | ? | ? | ? |
[1] ResNet-vd 模型預(yù)測速度基本不變的情況下提高了精度。
說明： ? 為模型庫中提供了對應(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
擴展特性：
- Synchronized Batch Norm
- Group Norm
- Modulated Deformable Convolution
- Deformable PSRoI Pooling
- Non-local和GCNet