PaddleDetection 发新，欢迎在 NVIDIA NGC 飞桨容器中体验最新特性！

来源:NVIDIA英伟达发布时间:2022-10-24876浏览

PaddleDetection 发版 v2.5，又带着新功能和大家见面了。

本次更新，为大家带来 PP-YOLOE+、PP-Human v2、PP-Vehicle、PicoDet-NPU 等技术。

欢迎广大开发者使用 NVIDIA 与飞桨联合深度适配的 NGC 飞桨容器，在 NVIDIA GPU 上体验 PaddleDetection v2.5 的新特性。

PaddleDetection 介绍

PaddleDetection 为基于飞桨 PaddlePaddle 的端到端目标检测套件，内置 30+ 模型算法及 300+ 预训练模型，覆盖目标检测、实例分割、跟踪、关键点检测等方向，其中包括服务器端和移动端高精度、轻量级产业级 SOTA 模型、冠军方案和学术前沿算法，并提供配置化的网络模块组件、十余种数据增强策略和损失函数等高阶优化支持和多种部署方案，在打通数据处理、模型开发、训练、压缩、部署全流程的基础上，提供丰富的案例及教程，加速算法产业落地应用。

欢迎 Star 收藏，实时关注更新：

https://github.com/PaddlePaddle/PaddleDetection

PaddleDetection New Feature

扫码观看【AI 快车道三日课】技术方案详解+实操回放：

第一堂：YOLO 算法精讲与最强新星 PP-YOLOE+ 升级详解
第二堂：10 分钟搭建行人分析系统
第三堂：智能交通监控系统技术剖析

场景能力：

发布行人分析工具 PP-Human v2，新增打架、打电话、抽烟、闯入四大行为识别，底层算法性能升级，覆盖行人检测、跟踪、属性三类核心算法能力，提供保姆级全流程开发及模型优化策略，支持在线视频流输入。
首次发布 PP-Vehicle，提供车牌识别、车辆属性分析（颜色、车型）、车流量统计以及违章检测四大功能，兼容图片、在线视频流、视频输入，提供完善的二次开发文档教程。

特色模型：

发布 PP-YOLOE+，最高精度提升 2.4% mAP，达到 54.9% mAP，模型训练收敛速度提升 3.75 倍，端到端预测速度最高提升 2.3 倍；多个下游任务泛化性提升。
发布 PicoDet-NPU 模型，支持模型全量化部署；新增 PicoDet 版面分析模型。
发布 PP-TinyPose 升级版增强版，在健身、舞蹈等场景精度提升 9.1% AP，支持侧身、卧躺、跳跃、高抬腿等非常规动作。

前沿算法：

全面覆盖的 YOLO 家族经典与最新模型代码库 PaddleYOLO: 包括 YOLOv3，百度飞桨自研的实时高精度目标检测模型 PP-YOLOE，以及前沿检测算法 YOLOv4、YOLOv5、YOLOX，YOLOv6 及 YOLOv7。
新增基于 ViT 骨干网络高精度检测模型，COCO 数据集精度达到 55.7% mAP；新增 OC-SORT 多目标跟踪模型；新增 ConvNeXt 骨干网络。

产业范例：

新增智能健身、打架识别、来客分析、车辆结构化范例。

NVIDIA NGC 飞桨容器介绍

如果您希望体验 PaddleDetection v2.5 的新特性，欢迎使用 NGC 飞桨容器。NVIDIA 与百度飞桨联合开发了 NGC 飞桨容器，将最新版本的飞桨与最新的 NVIDIA 的软件栈（如 CUDA）进行了无缝的集成与性能优化，最大程度的释放飞桨框架在 NVIDIA 最新硬件上的计算能力。这样，用户不仅可以快速开启 AI 应用，专注于创新和应用本身，还能够在 AI 训练和推理任务上获得飞桨+NVIDIA 带来的飞速体验。

最佳的开发环境搭建工具 - 容器技术。

容器其实是一个开箱即用的服务器。极大降低了深度学习开发环境的搭建难度。例如你的开发环境中包含其他依赖进程（redis，MySQL，Ngnix，selenium-hub等等），或者你需要进行跨操作系统级别的迁移。
容器镜像方便了开发者的版本化管理。
容器镜像是一种易于复现的开发环境载体。
容器技术支持多容器同时运行。

最好的 NGC 飞桨容器

NGC 飞桨容器针对 NVIDIA GPU 加速进行了优化，并包含一组经过验证的库，可启用和优化 NVIDIA GPU 性能。此容器还可能包含对飞桨源代码的修改，以最大限度地提高性能和兼容性。此容器还包含用于加速 ETL (DALI, RAPIDS)、训练（cuDNN, NCCL）和推理（TensorRT）工作负载的软件。

NGC 飞桨容器具有以下优点：

适配最新版本的 NVIDIA 软件栈（例如最新版本 CUDA），更多功能，更高性能。
更新的 Ubuntu 操作系统，更好的软件兼容性。
按月更新。
满足 NVIDIA NGC 开发及验证规范，质量管理。

通过飞桨官网快速获取

环境准备

使用 NGC 飞桨容器需要主机系统（Linux）安装以下内容：

Docker 引擎
NVIDIA GPU 驱动程序
NVIDIA 容器工具包

有关支持的版本，请参阅

NVIDIA 框架容器支持矩阵：

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

NVIDIA 容器工具包文档：

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

不需要其他安装、编译或依赖管理。无需安装 NVIDIA CUDA Toolkit。

NGC 飞桨容器正式安装：

要运行容器，请按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中 Running A Container[1]一章中的说明发出适当的命令，并指定注册表、存储库和标签。有关使用 NGC 的更多信息，请参阅 NGC 容器用户指南。如果您有 Docker 19.03 或更高版本，启动容器的典型命令是：