不論你需要通用目標(biāo)檢測、實(shí)例分割、旋轉(zhuǎn)框檢測，還是行人檢測、人臉檢測、車輛檢測等垂類算法；

不論是精度效果超強(qiáng)，還是超輕量適合在邊緣部署的算法；

不論你是學(xué)術(shù)科研工作者，還是產(chǎn)業(yè)開發(fā)者；

不論你是剛?cè)腴T的萌新，還是已經(jīng)歷練成為大神；

一個神器全都滿足你！

這個項(xiàng)目就是剛剛?cè)嫔壍腜addleDetection2.0！而這個精心設(shè)計(jì)的開源項(xiàng)目，也因?yàn)槭艿綇V大開發(fā)者的喜愛，連續(xù)登錄Github全球趨勢榜多次，高精尖算法PPYOLO論文也登錄全球技術(shù)趨勢榜PaperWithCode。

傳送門：https://github.com/PaddlePaddle/PaddleDetection

小編在此強(qiáng)烈號召小伙伴們 Star收藏一下，以防走丟。

語言總是蒼白的，讓我們直接用數(shù)據(jù)和事實(shí)來帶大家看看這款開源項(xiàng)目具體有什么過人之處吧！

一． 全明星算法陣容:

1. 比YOLOv4、YOLOv5 更強(qiáng)的PP-YOLOv2。

無需再糾結(jié)YOLOv3、YOLOv4、Scaled YOLOv4、YOLOv5到底選哪個了，選PPYOLOv2就對了！最高mAP 50.3%，最高FPS106.5FPS，超越Y(jié)OLOv4甚至YOLOv5！又快又好，他不香么？

論文：https:///abs/2104.10419

2. 1.3M 超超超輕量目標(biāo)檢測算法PP-YOLO Tiny

需要在AIoT邊緣輕量化芯片部署？1.3M夠不夠??？！比YOLO-Fastest、 NanoDet更強(qiáng)的PPYOLO-Tiny，AI走向產(chǎn)業(yè)無需再等，趕緊用起來！

3. 全面領(lǐng)先同類框架的RCNN系列算法

什么？還在用mmdetection和Detectron2？你Out了！RCNN系列模型（Faster RCNN, Mask RCNN, Cascade RCNN等）在PaddleDetection進(jìn)行訓(xùn)練，比mmDetection和Detectron2在更短的時間獲得更高的精度！

4. SOTA 的Anchor Free算法：PAFNet & PAFNet-Lite

連檢測框都不要了？莫慌，PaddleDetection2.0帶你緊跟全球科研動向。SOTA（最先進(jìn)）的Anchor Free算法：PAFNet（Paddle Anchor Free）& PAFNet-Lite，從理論到直接使用，保證把你安排的明明白白！

二． 全面功能覆蓋：

除了以上全系列通用目標(biāo)檢測算法外，PaddleDetection2.0還額外覆蓋旋轉(zhuǎn)框檢測、實(shí)例分割、行人檢測、人臉檢測、車輛檢測等垂類任務(wù)。

還覆蓋工業(yè)質(zhì)檢、安防巡檢、衛(wèi)星遙感、能源電力等等數(shù)十個行業(yè)場景，直接加速各產(chǎn)業(yè)智能化升級！

三. 超強(qiáng)易用性、極易產(chǎn)業(yè)部署：

全面支持pip安裝，動態(tài)圖開發(fā)，壓縮、部署等全流程方案打通，極大程度的提升了用戶開發(fā)的易用性，加速了算法產(chǎn)業(yè)應(yīng)用落地的速度。

1.超強(qiáng)的算法壓縮能力：

以YOLOv3-MobileNetv1模型為例，量化策略為模型帶來1.7%的精度提升，同時體積壓縮3.71倍，速度提升1.46倍！而采用蒸餾+裁剪的聯(lián)合策略，在精度幾乎無損的情況下，體積壓縮了3.05倍，加速1.58倍！

2.超完善的推理部署能力

適配Linux、Windows、NV Jetson等多系統(tǒng)多平臺，同時提供Python預(yù)測和C++預(yù)測，額外適配TensorRT，支持TensorRT動態(tài)尺寸輸入及TensorRT INT8量化預(yù)測, 模型預(yù)測加速性能滿分！

3.良心完善的文檔制作

精心打造的中英雙語文檔，從安裝、數(shù)據(jù)準(zhǔn)備到訓(xùn)練、評估、預(yù)測全流程，親媽一樣關(guān)心你使用產(chǎn)品時的每一個細(xì)節(jié)。

參考鏈接：