PaddleDetection 發(fā)版 v2.5，又帶著新功能和大家見面了。

本次更新，為大家?guī)?PP-YOLOE+、PP-Human v2、PP-Vehicle、PicoDet-NPU 等技術(shù)。

歡迎廣大開發(fā)者使用 NVIDIA 與飛槳聯(lián)合深度適配的 NGC 飛槳容器，在 NVIDIA GPU 上體驗(yàn) PaddleDetection v2.5 的新特性。

PaddleDetection 介紹

PaddleDetection 為基于飛槳 PaddlePaddle 的端到端目標(biāo)檢測套件，內(nèi)置 30+ 模型算法及 300+ 預(yù)訓(xùn)練模型，覆蓋目標(biāo)檢測、實(shí)例分割、跟蹤、關(guān)鍵點(diǎn)檢測等方向，其中包括服務(wù)器端和移動端高精度、輕量級產(chǎn)業(yè)級 SOTA 模型、冠軍方案和學(xué)術(shù)前沿算法，并提供配置化的網(wǎng)絡(luò)模塊組件、十余種數(shù)據(jù)增強(qiáng)策略和損失函數(shù)等高階優(yōu)化支持和多種部署方案，在打通數(shù)據(jù)處理、模型開發(fā)、訓(xùn)練、壓縮、部署全流程的基礎(chǔ)上，提供豐富的案例及教程，加速算法產(chǎn)業(yè)落地應(yīng)用。

歡迎 Star 收藏，實(shí)時關(guān)注更新：

https://github.com/PaddlePaddle/PaddleDetection

PaddleDetection New Feature

掃碼觀看【AI 快車道三日課】技術(shù)方案詳解+實(shí)操回放：

• 第一堂：YOLO 算法精講與最強(qiáng)新星 PP-YOLOE+ 升級詳解

• 第二堂：10 分鐘搭建行人分析系統(tǒng)

• 第三堂：智能交通監(jiān)控系統(tǒng)技術(shù)剖析

場景能力：

• 發(fā)布行人分析工具 PP-Human v2，新增打架、打電話、抽煙、闖入四大行為識別，底層算法性能升級，覆蓋行人檢測、跟蹤、屬性三類核心算法能力，提供保姆級全流程開發(fā)及模型優(yōu)化策略，支持在線視頻流輸入。

• 首次發(fā)布 PP-Vehicle，提供車牌識別、車輛屬性分析（顏色、車型）、車流量統(tǒng)計以及違章檢測四大功能，兼容圖片、在線視頻流、視頻輸入，提供完善的二次開發(fā)文檔教程。

特色模型：

• 發(fā)布 PP-YOLOE+，最高精度提升 2.4% mAP，達(dá)到 54.9% mAP，模型訓(xùn)練收斂速度提升 3.75 倍，端到端預(yù)測速度最高提升 2.3 倍；多個下游任務(wù)泛化性提升。

• 發(fā)布 PicoDet-NPU 模型，支持模型全量化部署；新增 PicoDet 版面分析模型。

• 發(fā)布 PP-TinyPose 升級版增強(qiáng)版，在健身、舞蹈等場景精度提升 9.1% AP，支持側(cè)身、臥躺、跳躍、高抬腿等非常規(guī)動作。

前沿算法：

• 全面覆蓋的 YOLO 家族經(jīng)典與最新模型代碼庫 PaddleYOLO: 包括 YOLOv3，百度飛槳自研的實(shí)時高精度目標(biāo)檢測模型 PP-YOLOE，以及前沿檢測算法 YOLOv4、YOLOv5、YOLOX，YOLOv6 及 YOLOv7。

• 新增基于 ViT 骨干網(wǎng)絡(luò)高精度檢測模型，COCO 數(shù)據(jù)集精度達(dá)到 55.7% mAP；新增 OC-SORT 多目標(biāo)跟蹤模型；新增 ConvNeXt 骨干網(wǎng)絡(luò)。

產(chǎn)業(yè)范例：

• 新增智能健身、打架識別、來客分析、車輛結(jié)構(gòu)化范例。

NVIDIA NGC 飛槳容器介紹

如果您希望體驗(yàn) PaddleDetection v2.5 的新特性，歡迎使用 NGC 飛槳容器。NVIDIA 與百度飛槳聯(lián)合開發(fā)了 NGC 飛槳容器，將最新版本的飛槳與最新的 NVIDIA 的軟件棧（如 CUDA）進(jìn)行了無縫的集成與性能優(yōu)化，最大程度的釋放飛槳框架在 NVIDIA 最新硬件上的計算能力。這樣，用戶不僅可以快速開啟 AI 應(yīng)用，專注于創(chuàng)新和應(yīng)用本身，還能夠在 AI 訓(xùn)練和推理任務(wù)上獲得飛槳+NVIDIA 帶來的飛速體驗(yàn)。

最佳的開發(fā)環(huán)境搭建工具 - 容器技術(shù)。

1. 容器其實(shí)是一個開箱即用的服務(wù)器。極大降低了深度學(xué)習(xí)開發(fā)環(huán)境的搭建難度。例如你的開發(fā)環(huán)境中包含其他依賴進(jìn)程（redis，MySQL，Ngnix，selenium-hub等等），或者你需要進(jìn)行跨操作系統(tǒng)級別的遷移。

2. 容器鏡像方便了開發(fā)者的版本化管理。

3. 容器鏡像是一種易于復(fù)現(xiàn)的開發(fā)環(huán)境載體。

4. 容器技術(shù)支持多容器同時運(yùn)行。

最好的 NGC 飛槳容器

NGC 飛槳容器針對 NVIDIA GPU 加速進(jìn)行了優(yōu)化，并包含一組經(jīng)過驗(yàn)證的庫，可啟用和優(yōu)化 NVIDIA GPU 性能。此容器還可能包含對 飛槳源代碼的修改，以最大限度地提高性能和兼容性。此容器還包含用于加速 ETL (DALI, RAPIDS)、訓(xùn)練（cuDNN, NCCL）和推理（TensorRT）工作負(fù)載的軟件。

NGC 飛槳容器具有以下優(yōu)點(diǎn)：

1. 適配最新版本的 NVIDIA 軟件棧（例如最新版本 CUDA），更多功能，更高性能。

2. 更新的 Ubuntu 操作系統(tǒng)，更好的軟件兼容性。

3. 按月更新。

4. 滿足 NVIDIA NGC 開發(fā)及驗(yàn)證規(guī)范，質(zhì)量管理。

通過飛槳官網(wǎng)快速獲取

環(huán)境準(zhǔn)備

使用 NGC 飛槳容器需要主機(jī)系統(tǒng)（Linux）安裝以下內(nèi)容：

• Docker 引擎

• NVIDIA GPU 驅(qū)動程序

• NVIDIA 容器工具包

有關(guān)支持的版本，請參閱

NVIDIA 框架容器支持矩陣：

https://docs.nvidia.com/deeplearning/frameworks/support-matrix/index.html

NVIDIA 容器工具包文檔：

https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html。

不需要其他安裝、編譯或依賴管理。無需安裝 NVIDIA CUDA Toolkit。

NGC 飛槳容器正式安裝：

要運(yùn)行容器，請按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中 Running A Container^[1]一章中的說明發(fā)出適當(dāng)?shù)拿睿⒅付ㄗ员?、存儲庫?a target="_blank">標(biāo)簽。有關(guān)使用 NGC 的更多信息，請參閱 NGC 容器用戶指南。如果您有 Docker 19.03 或更高版本，啟動容器的典型命令是：

*詳細(xì)安裝介紹《NGC 飛槳容器安裝指南》

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/install_NGC_PaddlePaddle_ch.html

*詳細(xì)產(chǎn)品介紹視頻

【NGC 飛槳容器全新上線 NVIDIA 產(chǎn)品專家全面解讀】

飛槳與 NVIDIA NGC 項目合作

目前飛槳已擁有超過 470 萬的開發(fā)者。而在過去五年，飛槳與 NVIDIA 團(tuán)隊緊密合作，雙方深度融合，做了大量適配工作，如下圖所示。

今年，飛槳在國內(nèi)也已經(jīng)設(shè)立了專門的工程團(tuán)隊支持，賦能飛槳生態(tài)。

而為了讓更多的開發(fā)者能用上基于 NVIDIA 最新的高性能硬件和軟件棧。當(dāng)前，飛槳團(tuán)隊正在進(jìn)行全新一代 NVIDIA GPU 的適配工作，以及提高飛槳對 CUDA Operation API 的使用率，讓飛槳的開發(fā)者擁有優(yōu)秀的用戶體驗(yàn)及極致性能。

以上的各種適配，僅僅是讓飛槳的開發(fā)者擁有高性能的推理訓(xùn)練成為可能。但是，這些離行業(yè)開發(fā)者還很遠(yuǎn)，門檻還很高，難度還很大。

為此，飛槳將剛剛這些集成和優(yōu)化工作，整合到三大產(chǎn)品線中。其中 NGC 飛槳容器最為閃亮。

NVIDIA NGC Container – 最佳的飛槳開發(fā)環(huán)境，集成最新的 NVIDIA 工具包（例如 CUDA）

掃碼填寫問卷獲取發(fā)新資料—線索共享

NVIDIA 飛槳容器現(xiàn)已開放免費(fèi)下載，掃描下方二維碼加入 NGC 飛槳容器用戶體驗(yàn)群，提交體驗(yàn)報告更可獲得精美禮品！

2022飛槳

版權(quán)歸飛槳所有

此圖片由飛槳制作，如果您有任何疑問或需要使用此圖片，請聯(lián)系飛槳

[1]https://docs.nvidia.com/deeplearning/frameworks/user-guide/index.html#runcont