REVIEW：フライングパドル（PaddlePaddleは）簡単に深い学習の技術革新やアプリケーションを作ることにコミットしています。より多くの開発者が最近の飛行プロペラの技術的進歩を理解することができるようにするために、具体的には、我々は深い学習開発者サミットの秋2019 WaveSummitオープンクラスからの技術的な一連の記事、ビデオ技術を組織しました。
この問題は、Baiduはあなたに分析し、画像検出ライブラリPaddleDetectionのアプリケーションの深さを持ってパドルシニアR＆Dエンジニアを飛んで、見てください。ビデオを見るにはここをクリックしてください
ビデオキー知識ポイント注：
PaddleDetectionは、ターゲット検出ライブラリの科学研究とビジネスニーズのBaiduの組み合わせとして構築しました。4つの主要な機能があります：まず、モジュラー設計は、2番目は豊かなモデルであり、第三は、高性能であり、第四に、産業展開。下に示すように、全体のパノラマ：
ワークフロー検出アルゴリズムに基づくがRoIHeadは、同様に、AnchorHead、RoIExtract、そのようなバックボーンネットワークバックボーンとして、いくつかの独立したサブモジュールに分割されると共にオプティマイザと、データモジュールは、現像剤組成物を使用することは非常に容易であることができます。また、アプリケーション層での訓練、評価と推論だけでなく、圧縮APIのモデルを提供します。一般的には、唯一のAPIおよびコンフィギュレーションファイルを呼び出す必要があるユーザーは、すぐに始めることができます。
アルゴリズムレベルでは、PaddleDetection一般的に使用される現在主流検出アルゴリズムをサポートし,,含む単相検出アルゴリズム：SSD、RetinaNet、YOLOv3、二段検出アルゴリズムは、以下が挙げられる：速いRCNNを、マスクRCNN、カスケードRCNNを、二段FPNをサポート。バックボーンでは、データ拡張、事前研修モデルの面で、優れたサポートを提供します。
一方、マップCOCOベースPaddleDetectionさらに向上YOLOv3は、さらに41.4パーセントに増加し、さらにGPU上の推論の速度を向上しています。シリーズもBlazeFace顔検出モデルを発表し、また検索BlazeFaceの自習版をリリースし、圧縮されたモデル（体積のみ234K）の3倍の大きさの場合に、有意に予測率を向上させます。モデルの歩行者検出および車両検出におけるストレス、事前のトレーニングモデルに、Baiduは良い結果を得るために社内のビジネスデータモデルである、それがベースをお勧めします。
主にスピードトレーニング、スピードトレーニング記憶と推論しました。より速く、競合製品に比べて40％よりもフライプロペラに基づいて、メモリの最適化戦略、PaddleDetectionほとんどのモデルなどYOLOv3などの競合製品、より速く訓練や推論、より少ないメモリ使用量。
PaddleDetectionフライプロペラベースの展開シナリオの包括的なセットを提供し、高性能エンジン。LinuxとWindowsのためのオファー良いサポート、GPUアクセラレーションと予想下にある支持TensorRT FP16予報の両方。CPUの使用MKLDNN基本的なサポートが加速しました。結合モデルのPaddleSlimが圧縮戦略を提供し、我々は小さいと産業展開のニーズを満たすために高速化するためのモデルを提供することができます。
5.1リモートセンシング画像検出ゴルフコース
ほとんどの人が理解することは非常に簡単ですが、リモートセンシング画像は、オブジェクトを識別することができるように専門家を必要とするだけでなく、自然シーン画像は、また、季節の気候変動の影響を受けています。伝統的な方法を使用すると、人工の多くを必要とします。それほど高く、この場合は、リアルタイムの要件は、正確かつリコール要件が比較的高くありません。このような二段階モデルFasterRCNNを選択することにより、アンカーのサイズを再設計し、切断し、内部データセットにデータ拡張方式、評価指標の最終的に得られた82％の精度を回転させます。従来の方法に比べて、大幅に作業効率を向上させます。
5.2電話のシェルの外観不良検出
主に粉砕外観欠陥、傷、染み、気泡等を含む通常の電話シェル。工業生産ラインでは、携帯電話のシェル外観、リアルタイム要件のための複雑な背景環境は比較的高いです。このようなシナリオの下では、同じ時間とデータの強化策の多様で、より高速なYOLOv3を予測する選択します。データセットの内部のレビューは、99.55パーセントの精度に達することができます。それはそれを言及する価値がある、ベースのBaiduのエッジボードは、ハードウェアを開発し、実際の遅延は、競合製品に比べて、より少ない750ミリ秒であるが速い200％以上と予測しました。
ネットワークディスクビデオPPTに取得し、リンク：
https://pan.baidu.com/s/12czq6Ixf-R2DzmsuNolGHwパスワード：wfwa
796 771 754：、より深く学習開発者との接続フライパドル公式QQグループに参加したいです。
あなたはより多くのパドルPaddlePaddleより飛ん内容について知りたい場合は、次のドキュメントを参照してください。
公式サイトのアドレスします。https：//www.paddlepaddle.org.cn/
プロジェクト住所：
https://github.com/PaddlePaddle/PaddleDetection
