超越YOLOv5！1.3M超轻量，又好又快！目标检测神器来了

一．全明星算法阵容:

1. 比YOLOv4、YOLOv5 更强的PP-YOLOv2。

无需再纠结YOLOv3、YOLOv4、Scaled YOLOv4、YOLOv5到底选哪个了， 选PPYOLOv2就对了！最高mAP 50.3%，最高FPS106.5FPS，超越YOLOv4甚至YOLOv5！又快又好，他不香么？

论文：https://arxiv.org/abs/2104.10419

2. 1.3M 超超超轻量目标检测算法PP-YOLO Tiny

需要在AIoT边缘轻量化芯片部署？ 1.3M够不够小？！比YOLO-Fastest、 NanoDet更强的PPYOLO-Tiny ，AI走向产业无需再等，赶紧用起来！

3. 全面领先同类框架的RCNN系列算法

什么？还在用mmdetection和Detectron2？你Out了！ RCNN系列模型（Faster RCNN, Mask RCNN, Cascade RCNN等）在PaddleDetection进行训练，比mmDetection和Detectron2在更短的时间获得更高的精度！

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

连检测框都不要了？莫慌，PaddleDetection2.0带你紧跟全球科研动向。SOTA（最先进）的Anchor Free算法：PAFNet（Paddle Anchor Free）& PAFNet-Lite，从理论到直接使用，保证把你安排的明明白白！

二．全面功能覆盖：

除了以上全系列通用目标检测算法外，PaddleDetection2.0还额外覆盖旋转框检测、实例分割、行人检测、人脸检测、车辆检测等垂类任务。

还覆盖工业质检、安防巡检、卫星遥感、能源电力等等数十个行业场景，直接加速各产业智能化升级！

三. 超强易用性、极易产业部署：

全面支持pip安装，动态图开发，压缩、部署等全流程方案打通，极大程度的提升了用户开发的易用性，加速了算法产业应用落地的速度。

1.超强的算法压缩能力：

以YOLOv3-MobileNetv1模型为例，量化策略为模型带来1.7%的精度提升，同时体积压缩3.71倍，速度提升1.46倍！而采用蒸馏+裁剪的联合策略，在精度几乎无损的情况下，体积压缩了3.05倍，加速1.58倍！

2.超完善的推理部署能力

适配Linux、Windows、NV Jetson等多系统多平台，同时提供Python预测和C++预测，额外适配TensorRT，支持TensorRT动态尺寸输入及TensorRT INT8量化预测, 模型预测加速性能满分！

3.良心完善的文档制作

精心打造的中英双语文档，从安装、数据准备到训练、评估、预测全流程，亲妈一样关心你使用产品时的每一个细节。

看到这里，小编已经热血沸腾了！如此用心制作的高水准产品，你还在等什么！赶紧微信扫码加入PaddleDetection技术交流群上车吧！更多课程及产品动态，将在群里及时公告。

PaddleDetection QQ交流群：1136406895

参考链接：

更多PaddleDetection信息，欢迎点击文末 阅读原文 或以下链接访问 GitHub 项目体验或点 Star 支持。

https://github.com/PaddlePaddle/PaddleDetection

原文链接： https://github.com/PaddlePaddle/PaddleDetection 1、资源内容：基于paddle实现 yolov 5在移动端部署（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计和毕业设计。 4、更多仿真源码下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、 目标检测 模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达介绍本文的重点是检测汽车划痕，与针对不同类型产品的自主质量检测系统的开发同步。在停车场，这种检测为客户提供了他们的汽车安全的保证；此外，如果发生某些事情，检测系统将有助于对这种情况进行谨慎处理。我将这个问题作为一个单类分类问题来解决，将凹痕、损坏和划痕视为划痕，并进一步在 Flask 的帮助下制作了一个基本应用程序。我将向你介绍... 关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式计算机视觉研究院专栏作者：Edison_G本篇文章转自于知乎——qiuqiuqiu，主要设计了一个新颖的轻量级网络！代码地址：https://github.com/dog-qiuqiu/FastestDet01概述FastestDet是设计用来接替yolo-fa... 策划 | 李冬梅 YOLOv 5 在深度学习社区炒得沸沸扬扬。最近有篇博文是如此介绍 YOLOv 5 的：它是最先进的 目标检测 ，FPS 高达 140。这一言论，立即在 Hacker N... https://github.com/Sharpiless/PaddleDetection- Yolov 5 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，PaddleDetectio 目标检测 算法主要包括：【两阶段】 目标检测 算法、【多阶段】 目标检测 算法、【单阶段】 目标检测 算法什么是两阶段 目标检测 算法，与单阶段 目标检测 有什么区别？两阶段 目标检测 算法因需要进行两阶段的处理：1）候选区域的获取，2）候选区域分类和回归，也称为基于区域（Region-based）的方。与单阶段 目标检测 算法的区别：通过联合解码同时获取候选区域、类别什么是多阶段 目标检测 算法？【两阶段】和【多阶段】 目标检测 算法统称级联 目标检测 算法，【多阶段】目标检 Paddle Lite 是一种轻量级、灵活性强、易于扩展的高性能的深度学习预测框架，它可以支持诸如 ARM、OpenCL 、NPU 等等多种终端，同时拥有强大的图优化及预测加速能力。 (1)准备工作，z在torch环境下，下载X2paddle（用于将其他架构转化为paddle）(2)训练好的best.pt文件转化为.onnx文件2.1找到models/export.py2.2调参（为避免报错，建议使用绝对地址）-- weight:在default里面填写“best.pt地址”-- device:如果你的torch是cpu版本，那么default里面填写“cpu”，如果是gpu版本，那么填写“0”2.3运行即可。

一． 全明星算法阵容: