GitHub 5.9K的年度开源项目来了！目标检测、跟踪、关键点全覆盖

目标检测技术作为计算机视觉的基础核心，支撑了包括人脸识别、目标跟踪、关键点检测、图像搜索等等70%以上视觉任务。虽然业界YOLO、Anchor Free、Transformer等系列目标检测算法层出不穷，却缺乏可以统一、敏捷、组合应用这些先进算法，并支持包括模型压缩、多端高性能部署等功能实现产业应用端到端落地的开发套件。

飞桨目标检测开发套件PaddleDetection就是这样一个模型先进且丰富、任务覆盖全面、端到端能力完备的产业级开发套件：

• 模型先进且丰富： 230+主流业界领先模型，10+SOTA及顶会冠军方案（面向产业应用的高性能算法）
• 任务覆盖全面：全面覆盖目标检测、实例分割、目标跟踪、关键点检测任务领域，以及工业制造、安防巡检、智慧交通等10个以上行业领域。
• 端到端能力完备：全面覆盖前沿模型压缩，量化、剪枝、蒸馏、检测结构搜索方法，并在服务端、移动端等多种硬件环境完全打通，助力开发者快速实现高性能部署。

⭐ 项目链接 ⭐

https://github.com/PaddlePaddle/PaddleDetection

PaddleDetection所有源码及教程均已开源，欢迎大家使用，并Star鼓励~

230+主流目标检测、实例分割、跟踪、关键点检测算法组成全明星阵容，囊括多种SOTA算法及冠军方案：

• 0.99M、 150FPS轻量级SOTA检测算法PP-PicoDet

• 超越YOLOv4、YOLOv5的工业级SOTA模型PP-YOLOv2

• 122FPS、51.8%AP的轻量级SOTA多人关键点检测算法PP-TinyPose

  
  

• 实时跟踪系统PP-Tracking，一网打尽单/多镜头下的行人车辆跟踪能力

• 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

• 一种蒸馏技术，三种量化策略，五种剪裁方式，支持策略联合实现，保持模型精度的同时大幅降低模型体积，适配各类硬件环境

• 全面打通本地化、服务化、移动端部署，并支持Python、C++的部署语言及TensorRT的加速

  
  

为了满足开发者对计算量、模型体积、运算速度等极致的追求，PaddleDetection基于飞桨模型压缩工具PaddleSlim支持了多种模型压缩能力，包括剪裁，量化，蒸馏以及剪裁+蒸馏联合策略压缩方案，大幅减少模型参数或计算量，便于部署在受限的硬件环境中。