目標(biāo)檢測(cè)是機(jī)器視覺領(lǐng)域的核心問題之一。7 月 3 日百度 AI 開發(fā)者大會(huì)，飛槳核心框架 Paddle Fluid v1.5 宣布開源了 PaddleDetection 物體檢測(cè)統(tǒng)一框架，用戶可以非常方便、快速的搭建出各種檢測(cè)框架，構(gòu)建強(qiáng)大的各類應(yīng)用。?

PaddleDetection 物體檢測(cè)統(tǒng)一框架，覆蓋主流的檢測(cè)算法，即具備高精度模型、也具備高速推理模型，并提供豐富的預(yù)訓(xùn)練模型，具有工業(yè)化、模塊化、高性能的優(yōu)勢(shì)。?

• 工業(yè)化：結(jié)合飛槳核心框架的高速推理引擎，訓(xùn)練到部署無縫銜接?

• 模塊化：提供模塊化設(shè)計(jì)，模型網(wǎng)絡(luò)結(jié)構(gòu)和數(shù)據(jù)處理均可定制?

• 高性能：基于高效的核心框架，訓(xùn)練速度和顯存占用上有一定的優(yōu)勢(shì)，例如，YOLO v3 訓(xùn)練速度相比同類框架快 1.6 倍。

?

支持的模型與主干網(wǎng)絡(luò)體系

模型?

Faster-RCNN（支持 FPN）：創(chuàng)造性地采用卷積網(wǎng)絡(luò)自行產(chǎn)生建議框，并且和目標(biāo)檢測(cè)網(wǎng)絡(luò)共享卷積網(wǎng)絡(luò)，建議框數(shù)目減少，質(zhì)量提高。

Mask-RCNN（支持 FPN）：經(jīng)典的兩階段框架，在 Faster R-CNN 模型基礎(chǔ)上添加分割分支，得到掩碼結(jié)果，實(shí)現(xiàn)了掩碼和類別預(yù)測(cè)關(guān)系的解藕，可得到像素級(jí)別的檢測(cè)結(jié)果。?

Cascade-RCNN：在訓(xùn)練過程中選取不同的 IoU 閾值，訓(xùn)練多個(gè)級(jí)聯(lián)的檢測(cè)器。在具有挑戰(zhàn)性的 COCO 數(shù)據(jù)集上，作為單模型對(duì)象檢測(cè)器表現(xiàn)優(yōu)異。?

RetinaNet：經(jīng)典的一階段框架，由 ResNet 主干網(wǎng)絡(luò)、FPN 結(jié)構(gòu)、和兩個(gè)分別用于回歸物體位置和預(yù)測(cè)物體類別的子網(wǎng)絡(luò)組成。在訓(xùn)練過程中使用 Focal Loss，解決了傳統(tǒng)一階段檢測(cè)器存在前景背景類別不平衡的問題，進(jìn)一步提高了一階段檢測(cè)器的精度。?

YOLO v3：速度和精度均衡的目標(biāo)檢測(cè)網(wǎng)絡(luò)，相比于原作者 DarkNet 中的 YOLO v3 實(shí)現(xiàn)，飛槳的實(shí)現(xiàn)參考了論文 Bag of Tricks for Image Classification with Convolutional Neural Networks?增加了 mixup，label_smooth 等處理，精度（mAP(0.5:0.95)）相比于原作者提高了 4.7 個(gè)絕對(duì)百分點(diǎn)，在此基礎(chǔ)上加入 synchronize batch normalization，最終精度相比原作者提高 5.9 個(gè)絕對(duì)百分點(diǎn)。?

SSD：很好的繼承了 MobileNet 預(yù)測(cè)速度快，易于部署的特點(diǎn)，能夠很好的在多種設(shè)備上完成圖像目標(biāo)檢測(cè)任務(wù)。

主干網(wǎng)絡(luò)?

ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet。

預(yù)訓(xùn)練模型效果

本次 PaddleDetection 總共開源 20+ 個(gè)預(yù)訓(xùn)練模型，不僅開源常用主干網(wǎng)絡(luò)的基線模型，并且基于 ResNet 改進(jìn)版的模型，幾乎在不增加計(jì)算量的情況下，在 COCO 數(shù)據(jù)集上，相比基線模型精度提升 1% 左右，如下表所示。Yolo v3 也持續(xù)發(fā)布更輕量的主干網(wǎng)絡(luò)模型。

安裝好飛槳環(huán)境后，可以下載預(yù)訓(xùn)練模型快速驗(yàn)證推理效果。?同時(shí)，PaddleDetection 也提供了 Jupyter Notebook 的推理示例程序，參考：?

https://github.com/PaddlePaddle/models/blob/develop/PaddleCV/PaddleDetection/demo/mask_rcnn_demo.ipynb

python?tools/infer.py?-c?configs/mask_rcnn_r50_1x.yml?\????-o?weights=https://paddlemodels.bj.bcebos.com/object_detection/mask_rcnn_r50_1x.tar?\????--infer_img=demo/000000570688.jpg
????--infer_img=demo/000000570688.jpg

自動(dòng)生成配置文件

PaddleDetection 從自動(dòng)化和靜態(tài)分析的原則出發(fā)，采用了一種用戶友好、 易于維護(hù)和擴(kuò)展的配置設(shè)計(jì)，避免對(duì)配置的檢查并不嚴(yán)格造成的拼寫錯(cuò)誤或者遺漏的配置項(xiàng)造成訓(xùn)練過程中的嚴(yán)重錯(cuò)誤，將問題提前規(guī)避。

利用 Python 的反射機(jī)制，PaddleDection 的配置系統(tǒng)從 Python 類的構(gòu)造函數(shù)抽取多種信息， 如參數(shù)名、初始值、參數(shù)注釋、數(shù)據(jù)類型來作為配置規(guī)則，便于設(shè)計(jì)的模塊化，提升可測(cè)試性及擴(kuò)展性。?

為了方便用戶配置，PaddleDection 提供了 configure 工具，為用戶提供以下功能：?

• 預(yù)定義好各個(gè)模塊，根據(jù)給出的模塊列表生成配置文件，默認(rèn)生成完整配置；

• 如果指定參數(shù)，也可以生成最小配置，即省略所有默認(rèn)配置項(xiàng)；

• 檢查配置文件中的缺少或者多余的配置項(xiàng)以及依賴缺失；

• 顯示指定模塊的幫助信息，如描述，配置項(xiàng)，配置文件模板及命令行示例；

• 列出當(dāng)前已注冊(cè)的模塊。

靈活易用的數(shù)據(jù)處理

• 支持多種數(shù)據(jù)源，方便的數(shù)據(jù)源擴(kuò)展能力；

• 可定制的、可插拔的圖像預(yù)處理功能，可快速構(gòu)建復(fù)雜預(yù)處理流程；

• 多種數(shù)據(jù)預(yù)處理加速策略 ，具備基于共享內(nèi)存多進(jìn)程加速能力。?

數(shù)據(jù)是深度學(xué)習(xí)中最關(guān)鍵的一步，數(shù)據(jù)的量級(jí)和數(shù)據(jù)類型直接影響模型的訓(xùn)練結(jié)果。如何進(jìn)行數(shù)據(jù)預(yù)處理也是各位開發(fā)者開始訓(xùn)練一個(gè)模型的第一步，PaddleDetection 的數(shù)據(jù)處理模塊用于加載數(shù)據(jù)并將其轉(zhuǎn)換成適用于檢測(cè)模型的訓(xùn)練、驗(yàn)證、測(cè)試所需要的格式。?

PaddleDetection 為用戶提供可定制的、可插拔的圖像預(yù)處理功能，即為用戶針對(duì)不同的算法提供了缺省的數(shù)據(jù)預(yù)處理操作，也給用戶預(yù)留了的靈活配置的接口，下面截取部分配置文件代碼片段，可自由增添操作。

??sample_transforms:??-?!DecodeImage????to_rgb:?true????with_mixup:?false??-?!RandomFlipImage????prob:?0.5??-?!NormalizeImage????is_channel_first:?false????is_scale:?true????mean:?[0.485,?0.456,?0.406]????std:?[0.229,?0.224,?0.225]??-?!ResizeImage????max_size:?1333????target_size:?800??-?!Permute????channel_first:?true????to_bgr:?false
????to_rgb:?true
????with_mixup:?false
??-?!RandomFlipImage
????prob:?0.5
??-?!NormalizeImage
????is_channel_first:?false
????is_scale:?true
????mean:?[0.485,?0.456,?0.406]
????std:?[0.229,?0.224,?0.225]
??-?!ResizeImage
????max_size:?1333
????target_size:?800
??-?!Permute
????channel_first:?true
????to_bgr:?false

項(xiàng)目地址：

https://github.com/PaddlePaddle/models/tree/v1.5/PaddleCV/PaddleDetection?fr=paper

下載最新版本的 Paddle Fluid v1.5，請(qǐng)點(diǎn)擊閱讀原文或查看以下鏈接：

http://www.paddlepaddle.org.cn?fr=paper1

?

最后給大家推薦一個(gè)GPU福利

Tesla V100免費(fèi)算力！

配合PaddleHub能讓模型原地起飛

掃碼下方二維碼申請(qǐng)

?

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個(gè)推薦、解讀、討論、報(bào)道人工智能前沿論文成果的學(xué)術(shù)平臺(tái)。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號(hào)后臺(tái)點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點(diǎn)擊 |?閱讀原文?|?下載最新版本

總結(jié)

以上是生活随笔為你收集整理的飞桨PaddlePaddle升级解读 | PaddleDetection物体检测统一框架的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。