简体中文 | English

文档：https://paddledetection.readthedocs.io

PaddleDetection飞桨目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。

PaddleDetection模块化地实现了多种主流目标检测算法，提供了丰富的数据增强策略、网络模块组件（如骨干网络）、损失函数等，并集成了模型压缩和跨平台高性能部署能力。

经过长时间产业实践打磨，PaddleDetection已拥有顺畅、卓越的使用体验，被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应用。

• 2020.09.21-27: 【目标检测7日打卡课】手把手教你从入门到进阶，深入了解目标检测算法的前世今生。立即加入课程QQ交流群(1136406895)一起学习吧 :)
• 2020.07.24: 发布产业最实用目标检测模型 PP-YOLO ，深入考虑产业应用对精度速度的双重面诉求，COCO数据集精度45.2%，Tesla V100预测速度72.9 FPS，详细信息见文档。
• 2020.06.11: 发布676类大规模服务器端实用目标检测模型，适用于绝大部分使用场景，可以直接用来预测，也可以用于微调其他任务。

• 模型丰富: 包含目标检测、实例分割、人脸检测等100+个预训练模型，涵盖多种全球竞赛冠军方案
• 使用简洁：模块化设计，解耦各个网络组件，开发者轻松搭建、试用各种检测模型及优化策略，快速得到高性能、定制化的算法。
• 端到端打通: 从数据增强、组网、训练、压缩、部署端到端打通，并完备支持云端/边缘端多架构、多设备部署。
• 高性能: 基于飞桨的高性能内核，模型训练速度及显存占用优势明显。支持FP16训练, 支持多机训练。

各模型结构和骨干网络的代表模型在COCO数据集上精度mAP和单卡Tesla V100上预测速度(FPS)对比图。

说明：

• CBResNet为Cascade-Faster-RCNN-CBResNet200vd-FPN模型，COCO数据集mAP高达53.3%
• Cascade-Faster-RCNN为Cascade-Faster-RCNN-ResNet50vd-DCN，PaddleDetection将其优化到COCO数据mAP为47.8%时推理速度为20FPS
• PaddleDetection增强版YOLOv3-ResNet50vd-DCN在COCO数据集mAP高于原作10.6个绝对百分点，推理速度为61.3FPS，快于原作约70%
• 图中模型均可在模型库中获取

• 安装说明
• 快速开始
• 训练/评估/预测流程
• 如何自定义数据集
• 常见问题汇总

• 参数配置
  • 配置模块设计和介绍
  • RCNN参数说明
  • YOLOv3参数说明
• 迁移学习
  • 如何加载预训练
• 模型压缩(基于PaddleSlim)
  • 压缩benchmark
  • 量化, 剪枝, 蒸馏, 搜索
• 推理部署
  • 模型导出教程
  • 服务器端Python部署
  • 服务器端C++部署
  • 移动端部署
  • 在线Serving部署
  • 推理Benchmark
• 进阶开发
  • 新增数据预处理
  • 新增检测算法

• 通用目标检测:
  • 模型库和基线
  • 移动端模型
  • Anchor Free
  • PP-YOLO模型
  • 676类目标检测
  • 两阶段实用模型PSS-Det
• 垂类领域
  • 人脸检测
  • 行人检测
  • 车辆检测
• 比赛方案
  • Objects365 2019 Challenge夺冠模型
  • Open Images 2019-Object Detction比赛最佳单模型

v0.4.0版本已经在07/2020发布，增加PP-YOLO, TTFNet, HTC, ACFPN等多个模型，新增BlazeFace人脸关键点检测模型，新增移动端SSDLite系列优化模型，新增GridMask，RandomErasing数据增强方法，新增Matrix NMS和EMA训练，提升易用性，修复已知诸多bug等，详细内容请参考版本更新文档。

本项目的发布受Apache 2.0 license许可认证。

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