pp-picodet

156.人工智能——PySide6+FastDeploy项目打包问题处理

飞桨的FastDeploy是一款易用高效的推理部署开发套件。覆盖业界热门AI模型并提供开箱即用的部署体验，包括图像分类、目标检测、图像分割、人脸检测、人脸识别、人体关键点识别、文字识别、语义理解等多任务，满足开发者多场景，多硬件、多平台的产业部署需求。FastDeploy目前版为0.3.0，关于Fa...

PaddleDetection v2.6发布:目标小?数据缺?PP新员逐一应对!

从2022年10月份开始，大家已经陆续在PaddleDetection仓库的develop分支下尝鲜体验了一些预发布的新算法。如今经过4个月的打磨升级，PaddleDetectionv2.6正式发布，最新版本有哪些更新以及性能提升呢？快来打开这份更新解读吧！▎更新重点PP-YOLOE家族再添新...

157.人工智能——基于PP-PicoDet2的多种水果目标检测

关于水果目标检测实例，可以参看前期文章：59.人工智能——基于FasterR-CNN实现多种水果目标检测。本文主要使用PicoDet2来实现多种水果目标检测。模型输入尺寸mAPval0.5:0.95mAPval0.5参数量(M)FLOPS(G)预测时延CPU(ms)预测时延Lite(ms)Pico...

168.人工智能——基于PaddleX目标检测任务模型训练与部署

在167.人工智能——智能标注PaddleLabel的使用文章中，有讲如何使用PaddleLabel来智能标注数据。本文主要使用标注好的目标检测数据，使用PaddleX来进行模型训练和部署。关于PaddleX的使用，可以参看165.人工智能——飞桨AI套件PaddleX体验使用（猫狗分类任务）。...

目标检测算法PP-PicoDet的.NET Onnx部署方法

PP-PicoDet是飞桨推出的超轻量目标检测算法。本次选用的模型是picodet_s_320，导出的onnx文件不到5M，使用i5-6200U的古董CPU，加载模型约1s,推理一张图片约100ms左右。环境在NET中部署picodet的推理可以通过OnnxRuntime和OpencvSharp4...

YOLO界再起波澜!mAP 51.4，149FPS，目标检测，一个就够了

机器之心发布作者：百度飞桨团队百度飞桨团队发布了PP-YOLOE，与其他YOLO系列算法相比，其具有更强的性能、更丰富灵活的配置方案以及更全硬件支持三大优势。此前，机器之心报道过的PaddleDetection项目再次升级，发布了全新进化版YOLO模型——PP-YOLOE，并再次以极佳...

23.基于PP-PicoDet轻量级目标检测模型——实现目标检测项目

一、PP-PicoDet模型简介PP-PicoDet是轻量级目标检测模型，在移动端具有卓越的性能。更好的精度和效率权衡一直是物体检测中一个具有挑战性的问题。为提高准确性和效率，他们研究了无锚点策略在轻量级对象检测模型上的适用性，增强了骨干结构，设计了颈部的轻量化结构，提高了网络的特征提取能力。改进标...

159.人工智能——PP-PicoDet + PP-TinyPose 联合部署(Pipeline)

PP-PicoDet先实现行人检测，PP-TinyPose在此基础上实现行人的关键点检测。关键点检测模型的精度指标是基于对应行人检测模型检测得到的检测框。应用场景模型参数文件大小AP(业务数据集)AP(COCOVal单人/多人)单人/多人推理耗时(FP32)单人/多人推理耗时（FP16)多人模...