这个目标检测神器简直香炸了！它不仅连续登录Github全球趋势榜，拥有的全球尖端算法论文也接连登录全球技术趋势榜PaperWithCode。
这个神器就是刚刚全面升级的PaddleDetection2.0！它全面兼顾高性能算法、便捷开发、高效训练及完备部署，不论是通用目标检测，还是行人、车辆检测，不论是超高精度，还是超轻量超快速；不论是学术科研大神，还是入门萌新；全都满足你！
传送门：
https://github.com/PaddlePaddle/PaddleDetection
小编在此强烈号召小伙伴们
Star收藏一下
，以防走丢。
Play
下面，让我们直接用数据和事实来带大家看看这款开源项目具体有什么过人之处吧！
一． 全明星算法阵容:
1. 比YOLOv4、YOLOv5 更强的PP-YOLOv2
无需再纠结YOLOv3、YOLOv4、Scaled YOLOv4、YOLOv5到底选哪个了，
选PPYOLOv2就对了！
最高mAP 50.3%，最高FPS106.5FPS，超越YOLOv4甚至YOLOv5！
又快又好，他不香么？
论文：
https://arxiv.org/abs/2104.10419
2. 1.3M 超超超轻量目标检测算法PP-YOLO Tiny
需要在AIoT边缘轻量化芯片部署？
1.3M够不够小？！比YOLO-Fastest、 NanoDet更强的PPYOLO-Tiny
，AI走向产业无需再等，赶紧用起来！
3. 全面领先同类框架的RCNN系列算法
什么？还在用mmdetection和Detectron2？你Out了！
RCNN系列模型（Faster RCNN, Mask RCNN, Cascade RCNN等）在PaddleDetection进行训练
，
比mmDetection和Detectron2在更短的时间获得更高的精度！
4. SOTA 的Anchor Free算法：PAFNet & PAFNet-Lite
连检测框都不要了？莫慌，PaddleDetection2.0带你紧跟全球科研动向。SOTA（最先进）的Anchor Free算法：PAFNet（Paddle Anchor Free）& PAFNet-Lite，从理论到直接使用，保证把你安排的明明白白！
论文：https://arxiv.org/abs/2104.13534
二． 全面功能覆盖：
除了以上全系列通用目标检测算法外，PaddleDetection2.0还额外覆盖旋转框检测、实例分割、行人检测、人脸检测、车辆检测等垂类任务。
还经过工业质检、安防巡检、卫星遥感、能源电力等等数十个真实行业场景深度打磨验证，直接加速各产业智能化升级！
三. 超强易用性、极易产业部署：
全面支持pip安装，动态图开发，压缩、部署等全流程方案打通，极大程度的提升了用户开发的易用性，加速了算法产业应用落地的速度。
1. 超强的算法压缩能力：
以YOLOv3-MobileNetv1模型为例，
量化策略为模型带来1.7%的精度提升，同时体积压缩3.71倍，速度提升1.46倍！而采用
蒸馏+裁剪的联合策略，
在精度几乎无损的情况下，体积压缩了3.05倍，加速1.58倍！
YOLOv3-MobileNetV1
输入尺寸
精度（mAP）
模型体积（MB）
体积压缩比
延迟（骁龙855 4线程）
加速比
Baseline
608
28.8
94.2
-
411ms
-
在线量化
608
30.5
25.4
3.71x
281ms
1.46x
蒸馏
608
31.0
94.2
-
411ms
-
蒸馏+剪裁联合策略
608
28.7
30.9
3.05x
260ms
1.58x
2. 超完善的推理部署能力
适配Linux、Windows、NV Jetson等多系统多平台，同时提供Python预测和C++预测，额外适配TensorRT，支持TensorRT动态尺寸输入及TensorRT INT8量化预测, 模型预测加速性能满分！
模型
输入尺寸
Paddle Inference
TensorRT FP32
TensorRT FP16
SSD_MobileNet_v1
300
5.17
4.43
4.29
YOLOv3_MobileNet_v1
608
9.74
8.61
6.28
FasterRCNN_R50_FPN
640
27.99
26.16
21.92
PP-YOLO
608
20.77
18.40
13.53
3. 良心完善的文档制作
精心打造的中英双语文档，从安装、数据准备到训练、评估、预测全流程，亲妈一样关心你使用产品时的每一个细节。
四、直播课预告
看到这里，小编已经热血沸腾了！如此用心制作的高水准产品，必须要深入学习一下！
百度飞桨AI快车道为了满足大家的需求，将于
5月13、14、21日开设“目标检测技术3日直播课”
，由百度资深研发工程师倾囊相授多年“炼丹”经验，
赶紧扫码报名加入PaddleDetection技术交流群上车吧
！更多课程及产品动态，将在群里及时公告。
扫描下方二维码，立即报名加入交流群
产业级目标检测技术直播课精彩抢先看
更多PaddleDetection信息，欢迎访问GitHub点star后体验：
https://github.com/PaddlePaddle/PaddleDetection
原文链接
最近， 经常很多粉丝给我后台留言求大数据系统完整资料，想要多学一些知识，从而提升自己的技能包。我大面积在搜罗一些，最终汇总一套非常完整的视频资料供大家学习参考！ 现在 马云也说了：“未来最大的资源就是数据，不参与大数据十年后一定会后悔！” 目前 阿里的交易数据每天都是PB级别 后起之秀的字节跳动更是以大量数据为引擎 坏消息， 2020年中国AI&大数据人才就业趋势报告 今年约为4年前的12倍，全面进入”人才荒“时代了！无人可用！ 大厂：花钱！抢人！ 小厂：... 因疫情 BATJ这类大公司 2021年必须把握的机会。 之前我说大数据不精通Hadoop、MapReduce、HDFS这些是啥 Storm、Hbase、Flume、Spark、SparkSQL 大数据分析、大数据挖掘、大数据算法 我个人建议没有项目经历和工作经验的朋友不要转数据分析，因为真的HC太少，可以考虑数据开发，很吃香，工资也很高，
机器学习算法与Python学习 作为沟通学习的平台，发布机器学习与数据挖掘、深度学习、Python实战的前沿与动态，欢迎机器学习爱好者的加入，希望帮助你在AI领域更好的发展，期待与你相遇！ 86篇原创内容 Official Account 点击 机器学习算 法与Python学习 ， 选择 加星标 精彩内容不迷路 来源：google AI blog 本文转载自：新智元 | 编辑：LRS 对于人来说，看一张平面照片能够想象到重建后的3D场景布局，能够根据2D图像中包含的有限信号来识别对象，确定实例大小并重建3D场景布局。 光学可逆问题 inverse optics problem 现实世界中的计算机视觉应用，例如自动驾驶就严重依赖这些功能来定位和识别3D对象，这需要AI模型来推断投影到2D图像的每个3D点的空间位置、语义类别和实例标签。 从图像重建3D世界的能力可以分解为两个独立的子任务：单目深度估计（从单个图像预测深度）和视频全景分割（实例分割和语义分割）。 研究人员通常对每个任务提出不同的模型，通过在多个任务之间共享计算的模型权重。
