Skip to content

tink2123/PaddleDetection

 
 

Repository files navigation

English | 简体中文

PaddleDetection

PaddleDetection的目的是为工业界和学术界提供丰富、易用的目标检测模型。不仅性能优越、易于部署,而且能够灵活的满足算法研究的需求。

目前检测库下模型均要求使用PaddlePaddle 1.6及以上版本或适当的develop版本。

简介

特性:

  • 易部署:

    PaddleDetection的模型中使用的核心算子均通过C++或CUDA实现,同时基于PaddlePaddle的高性能推理引擎可以方便地部署在多种硬件平台上。

  • 高灵活度:

    PaddleDetection通过模块化设计来解耦各个组件,基于配置文件可以轻松地搭建各种检测模型。

  • 高性能:

    基于PaddlePaddle框架的高性能内核,在模型训练速度、显存占用上有一定的优势。例如,YOLOv3的训练速度快于其他框架,在Tesla V100 16GB环境下,Mask-RCNN(ResNet50)可以单卡Batch Size可以达到4 (甚至到5)。

支持的模型结构:

ResNet ResNet-vd 1 ResNeXt-vd SENet MobileNet DarkNet VGG
Faster R-CNN x
Faster R-CNN + FPN
Mask R-CNN x
Mask R-CNN + FPN
Cascade Faster-CNN
Cascade Mask-CNN
RetinaNet
YOLOv3
SSD

[1] ResNet-vd 模型提供了较大的精度提高和较少的性能损失。

扩展特性:

  • Synchronized Batch Norm: 目前在YOLOv3中使用。
  • Group Norm
  • Modulated Deformable Convolution
  • Deformable PSRoI Pooling

注意: Synchronized batch normalization 只能在多GPU环境下使用,不能在CPU环境或者单GPU环境下使用。

使用教程

模型库

模型压缩

推理部署

Benchmark

版本更新

21/11/2019

  • 增加CascadeClsAware RCNN模型。
  • 增加CBNet,ResNet200和Non-local模型。
  • 增加SoftNMS。
  • 增加Open Image V5数据集和Objects365数据集模型。

10/2019

  • 增加增强版YOLOv3模型,精度高达41.4%。
  • 增加人脸检测模型BlazeFace、Faceboxes。
  • 丰富基于COCO的模型,精度高达51.9%。
  • 增加Objects365 2019 Challenge上夺冠的最佳单模型之一CACascade-RCNN。
  • 增加行人检测和车辆检测预训练模型。
  • 支持FP16训练。
  • 增加跨平台的C++推理部署方案。
  • 增加模型压缩示例。

2/9/2019

  • 增加GroupNorm模型。
  • 增加CascadeRCNN+Mask模型。

5/8/2019

  • 增加Modulated Deformable Convolution系列模型。

29/7/2019

  • 增加检测库中文文档
  • 修复R-CNN系列模型训练同时进行评估的问题
  • 新增ResNext101-vd + Mask R-CNN + FPN模型
  • 新增基于VOC数据集的YOLOv3模型

3/7/2019

  • 首次发布PaddleDetection检测库和检测模型库
  • 模型包括:Faster R-CNN, Mask R-CNN, Faster R-CNN+FPN, Mask R-CNN+FPN, Cascade-Faster-RCNN+FPN, RetinaNet, YOLOv3, 和SSD.

如何贡献代码

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

About

Object detection and instance segmentation toolkit based on PaddlePaddle.

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Python 92.1%
  • C++ 6.0%
  • CMake 1.5%
  • Shell 0.4%