最新增加的PP-PicoDet-XS更是仅有0.7M，在CPU上预测速度可达250FPS以上，在训练速度上也大幅提升一倍以上。更好优化支持：考虑到端侧对计算量的优化追求是极致的，PP-PicoDet在模型量化训练和稀疏化压缩方案支持方面做了更深度的打磨，仅需两步，即可实现在移动端部署加速30%以上的效果。更友好部署：为了部署更加...
导出picodet_s_192_lcnet_pedestrian 模型: python tools/export_model.py -cconfigs/picodet/application/pedestrian_detection/picodet_s_192_lcnet_pedestrian.yml -o export.benchmark=Falseexport.nms=Falseweights=https://bj.bcebos.com/v1/paddledet/models/keypoint/tinypose_enhance/picodet_s_192_lcnet_...
而PP-TinyPose的出世彻底打破了这个僵局,采用Top-Down的方式,先应用0.99M、150FPS的超轻量检测网络PP-PicoDet,再用基于Lite-HRNet的移动端优化模型,检测对应关键点,由此确保关键点检测的高精度,同时扩大数据集,减小输入尺寸,预处理与后处理加入AID、UDP和DARK等策略,保证模型的高性能。实现速度在FP16下122FPS的情况...
版面恢复任务流程PP-StructureV2 模型优化策略和效果版面分析任务中使用基于PP-PicoDet的轻量级版面分析模型，速度提升11倍，CPU上可实时推理。同时基于FGD知识蒸馏技术，在保证精度的情况下进一步压缩模型体积，预测速度比教师模型快1倍。
💫PP-PicoDet 超轻量实时目标检测模型 简介(点击展开) 全新的轻量级系列模型PP-PicoDet,在移动端具有卓越的性能,成为全新SOTA轻量级模型。 传送门:PP-PicoDet说明。 传送门:arXiv论文。 预训练模型(点击展开) 模型名称COCO精度(mAP)骁龙865 四线程速度(FPS)推荐部署硬件配置文件模型下载 PicoDet-L 36.1 39.7...
实用性:针对车辆分析场景共性的底层模型进行优选迭代;针对几个高频场景进行了详细的后处理策略设计,可以满足业务的快速上线需求。同时提供丰富的二次开发教程,方便用户根据自己的业务场景进行私有化开发。 泛化性:在公开数据集以及自采数据集上进行充分训练,并且提供预训练模型,覆盖车辆分析中监控视角、驾驶员视角、俯拍视...
PP-PicoDet: 0.7M超超轻量SOTA目标检测模型 超乎想象的超小体积及超预期的性能,使PP-PicoDet成为边缘、低功耗硬件部署的极佳选择,而此次发布更是在原有基础上再次升级: 更强性能:PP-PicoDet-S参数量仅有1.18M,却有32.5%mAP的精度,相较YOLOX-Nano高6.7%,推理速度提升了26%;相较NanoDet-Plus,mAP也高出了2%...
PP-PicoDet: 0.7M超超轻量SOTA目标检测模型 超乎想象的超小体积及超预期的性能,使PP-PicoDet成为边缘、低功耗硬件部署的极佳选择,而此次发布更是在原有基础上再次升级: 更强性能:PP-PicoDet-S参数量仅有1.18M,却有32.5%mAP的精度,相较YOLOX-Nano高6.7%,推理速度提升了26%;相较NanoDet-Plus,mAP也高出了2%...
最新增加的PP-PicoDet-XS更是仅有0.7M,在CPU上预测速度可达250FPS以上,在训练速度上也大幅提升一倍以上。 更好优化支持:考虑到端侧对计算量的优化追求是极致的,PP-PicoDet在模型量化训练和稀疏化压缩方案支持方面做了更深度的打磨,仅需两步,即可实现在移动端部署加速30%以上的效果。 更友好部署:为了部署更加轻松...
最新增加的PP-PicoDet-XS更是仅有0.7M,在CPU上预测速度可达250FPS以上,在训练速度上也大幅提升一倍以上。 更好优化支持:考虑到端侧对计算量的优化追求是极致的,PP-PicoDet在模型量化训练和稀疏化压缩方案支持方面做了更深度的打磨,仅需两步,即可实现在移动端部署加速30%以上的效果。 更友好部署:为了部署更加轻松...