{"releases":[{"id":298971059,"tag":"v2.9.0","author":"TingquanGao","name":"PaddleDetection v2.9.0","draft":false,"prerelease":false,"createdAt":"2026-03-16T07:42:54Z","publishedAt":"2026-03-19T13:53:34Z","markdown":"## 🆕 新增模型\r\n\r\n- **RT-DETRv3**：新增 RT-DETRv3 目标检测模型，支持 checkpoint recompute 机制以降低训练显存占用，V100×4 精度达 47.5 mAP（[#9376](https://github.com/PaddlePaddle/PaddleDetection/pull/9376)）\r\n- **DEIM**：新增 DEIM 系列模型，包含 DFINE-HGNetv2（N/S/M/L/X）和 RTDETRv2（R18/R34/R50/R50m/R101）共 11 个规模，所有模型精度与官方论文对齐（[#9381](https://github.com/PaddlePaddle/PaddleDetection/pull/9381)）\r\n- **PP-DocLayoutV3**：新增文档版面分析模型，支持文档布局检测与阅读顺序预测（[#9473](https://github.com/PaddlePaddle/PaddleDetection/pull/9473)）\r\n\r\n---\r\n\r\n## ✨ 新功能\r\n\r\n- **FariMOT**：新增评估功能支持（[#9329](https://github.com/PaddlePaddle/PaddleDetection/pull/9329)）\r\n- **模型导出格式**：推理模型默认保存为 JSON 格式（[#9352](https://github.com/PaddlePaddle/PaddleDetection/pull/9352)）\r\n\r\n---\r\n\r\n## 🖥️ 硬件平台适配\r\n\r\n- **CUDA 13**：适配 CUDA 13 新目录结构，修复编译时头文件搜索路径问题（[#9432](https://github.com/PaddlePaddle/PaddleDetection/pull/9432)）\r\n- **天数智芯（Iluvatar）GPU**：新增全链路支持，覆盖训练、评估、推理及 MOT 全流程（[#9472](https://github.com/PaddlePaddle/PaddleDetection/pull/9472)）\r\n- **燧原 GCU**：更新 GCU 平台相关配置（[#9327](https://github.com/PaddlePaddle/PaddleDetection/pull/9327)）\r\n- **昇腾 NPU**：修复 DETR 模型在 NPU 上的训练异常（[#9338](https://github.com/PaddlePaddle/PaddleDetection/pull/9338)）\r\n\r\n---\r\n\r\n## 🐛 Bug 修复\r\n\r\n- **RTDETRv2 导出**：修复 Windows + GPU 环境下导出模型时的非法维度报错（[#9305](https://github.com/PaddlePaddle/PaddleDetection/pull/9305)）\r\n- **高性能推理（HPI）**：修复 `im_shape` 处理错误及 batch size 配置问题（[#9303](https://github.com/PaddlePaddle/PaddleDetection/pull/9303)、[#9318](https://github.com/PaddlePaddle/PaddleDetection/pull/9318)、[#9321](https://github.com/PaddlePaddle/PaddleDetection/pull/9321)）\r\n- **模型导出稳定性**：修复多个模型导出时的序列化报错及浅拷贝问题（[#9365](https://github.com/PaddlePaddle/PaddleDetection/pull/9365)、[#9375](https://github.com/PaddlePaddle/PaddleDetection/pull/9375)、[#9379](https://github.com/PaddlePaddle/PaddleDetection/pull/9379)）\r\n- **Mask R-DETR**：修复动图与静态图在 inplace 操作上的行为不一致问题（[#9330](https://github.com/PaddlePaddle/PaddleDetection/pull/9330)）\r\n- **数据预处理**：修复 `RandomSizeCrop` 对零尺寸标注框的数据类型处理错误（[#9353](https://github.com/PaddlePaddle/PaddleDetection/pull/9353)）\r\n- **Mosaic 增强**：修复 `centered_affine=False` 下数据增强行为异常（[#9394](https://github.com/PaddlePaddle/PaddleDetection/pull/9394)）\r\n","html":"<div class=\"markdown-heading\"><h2 class=\"heading-element\">🆕 新增模型</h2><a id=\"user-content--新增模型\" class=\"anchor\" aria-label=\"Permalink: 🆕 新增模型\" href=\"#-新增模型\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<strong>RT-DETRv3</strong>：新增 RT-DETRv3 目标检测模型，支持 checkpoint recompute 机制以降低训练显存占用，V100×4 精度达 47.5 mAP（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9376\">#9376</a>）</li>\n<li>\n<strong>DEIM</strong>：新增 DEIM 系列模型，包含 DFINE-HGNetv2（N/S/M/L/X）和 RTDETRv2（R18/R34/R50/R50m/R101）共 11 个规模，所有模型精度与官方论文对齐（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9381\">#9381</a>）</li>\n<li>\n<strong>PP-DocLayoutV3</strong>：新增文档版面分析模型，支持文档布局检测与阅读顺序预测（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9473\">#9473</a>）</li>\n</ul>\n<hr>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">✨ 新功能</h2><a id=\"user-content--新功能\" class=\"anchor\" aria-label=\"Permalink: ✨ 新功能\" href=\"#-新功能\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<strong>FariMOT</strong>：新增评估功能支持（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9329\">#9329</a>）</li>\n<li>\n<strong>模型导出格式</strong>：推理模型默认保存为 JSON 格式（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9352\">#9352</a>）</li>\n</ul>\n<hr>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">🖥️ 硬件平台适配</h2><a id=\"user-content-️-硬件平台适配\" class=\"anchor\" aria-label=\"Permalink: 🖥️ 硬件平台适配\" href=\"#️-硬件平台适配\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<strong>CUDA 13</strong>：适配 CUDA 13 新目录结构，修复编译时头文件搜索路径问题（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9432\">#9432</a>）</li>\n<li>\n<strong>天数智芯（Iluvatar）GPU</strong>：新增全链路支持，覆盖训练、评估、推理及 MOT 全流程（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9472\">#9472</a>）</li>\n<li>\n<strong>燧原 GCU</strong>：更新 GCU 平台相关配置（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9327\">#9327</a>）</li>\n<li>\n<strong>昇腾 NPU</strong>：修复 DETR 模型在 NPU 上的训练异常（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9338\">#9338</a>）</li>\n</ul>\n<hr>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">🐛 Bug 修复</h2><a id=\"user-content--bug-修复\" class=\"anchor\" aria-label=\"Permalink: 🐛 Bug 修复\" href=\"#-bug-修复\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<strong>RTDETRv2 导出</strong>：修复 Windows + GPU 环境下导出模型时的非法维度报错（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9305\">#9305</a>）</li>\n<li>\n<strong>高性能推理（HPI）</strong>：修复 <code>im_shape</code> 处理错误及 batch size 配置问题（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9303\">#9303</a>、<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9318\">#9318</a>、<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9321\">#9321</a>）</li>\n<li>\n<strong>模型导出稳定性</strong>：修复多个模型导出时的序列化报错及浅拷贝问题（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9365\">#9365</a>、<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9375\">#9375</a>、<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9379\">#9379</a>）</li>\n<li>\n<strong>Mask R-DETR</strong>：修复动图与静态图在 inplace 操作上的行为不一致问题（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9330\">#9330</a>）</li>\n<li>\n<strong>数据预处理</strong>：修复 <code>RandomSizeCrop</code> 对零尺寸标注框的数据类型处理错误（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9353\">#9353</a>）</li>\n<li>\n<strong>Mosaic 增强</strong>：修复 <code>centered_affine=False</code> 下数据增强行为异常（<a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/9394\">#9394</a>）</li>\n</ul>\n","assets":[]},{"id":200311584,"tag":"v2.8.1","author":"Sunting78","name":"PaddleDetectionv2.8.1","draft":false,"prerelease":false,"createdAt":"2025-02-13T11:19:03Z","publishedAt":"2025-02-14T04:57:35Z","markdown":"## 📣最新进展\r\n\r\n\r\n- **🔥2025.1.12 新增关键点检测和旋转框目标检测领域一站式全流程开发能力**:  \r\n  \r\n  *  飞桨低代码开发工具PaddleX，依托于PaddleDetection的先进技术，支持了目标检测领域的**一站式全流程**开发能力：\r\n     * 🎨 [**模型丰富一键调用**](docs/paddlex/quick_start.md)：将通用目标检测、小目标检测、实例分割、关键点检测和旋转框目标检测涉及的**67个模型**整合为5条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、文本图像智能分析、通用OCR、时序预测等共计**240+模型**，形成30+单功能模块，方便开发者进行**模型组合使用**。\r\n     * 🚀 [**提高效率降低门槛**](docs/paddlex/overview.md)：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。\r\n    *   新增目标检测模型**Co-DETR**\r\n     \r\n\r\n","html":"<div class=\"markdown-heading\"><h2 class=\"heading-element\">📣最新进展</h2><a id=\"user-content-最新进展\" class=\"anchor\" aria-label=\"Permalink: 📣最新进展\" href=\"#最新进展\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<p><strong>🔥2025.1.12 新增关键点检测和旋转框目标检测领域一站式全流程开发能力</strong>:</p>\n<ul>\n<li>飞桨低代码开发工具PaddleX，依托于PaddleDetection的先进技术，支持了目标检测领域的<strong>一站式全流程</strong>开发能力：\n<ul>\n<li>🎨 <a href=\"docs/paddlex/quick_start.md\"><strong>模型丰富一键调用</strong></a>：将通用目标检测、小目标检测、实例分割、关键点检测和旋转框目标检测涉及的<strong>67个模型</strong>整合为5条模型产线，通过极简的<strong>Python API一键调用</strong>，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、文本图像智能分析、通用OCR、时序预测等共计<strong>240+模型</strong>，形成30+单功能模块，方便开发者进行<strong>模型组合使用</strong>。</li>\n<li>🚀 <a href=\"docs/paddlex/overview.md\"><strong>提高效率降低门槛</strong></a>：提供基于<strong>统一命令</strong>和<strong>图形界面</strong>两种方式，实现模型简洁高效的使用、组合与定制。支持<strong>高性能部署、服务化部署和端侧部署</strong>等多种部署方式。此外，对于各种主流硬件如<strong>英伟达GPU、昆仑芯、昇腾、寒武纪和海光</strong>等，进行模型开发时，都可以<strong>无缝切换</strong>。</li>\n</ul>\n</li>\n<li>新增目标检测模型<strong>Co-DETR</strong>\n</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":184278686,"tag":"v2.8.0","author":"Sunting78","name":"PaddleDetectionv2.8.0","draft":false,"prerelease":false,"createdAt":"2024-10-18T10:13:38Z","publishedAt":"2024-11-08T02:50:05Z","markdown":"## 📣最新进展\r\n\r\n- **🔥2024.10.1 添加目标检测、实例分割领域一站式全流程开发能力**:  \r\n  *  飞桨低代码开发工具PaddleX，依托于PaddleDetection的先进技术，支持了目标检测领域的**一站式全流程**开发能力：\r\n     * 🎨 [**模型丰富一键调用**](docs/paddlex/quick_start.md)：将通用目标检测、小目标检测和实例分割涉及的**55个模型**整合为3条模型产线，通过极简的**Python API一键调用**，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、文本图像智能分析、通用OCR、时序预测等共计**200+模型**，形成20+单功能模块，方便开发者进行**模型组合使用**。\r\n     * 🚀 [**提高效率降低门槛**](docs/paddlex/overview.md)：提供基于**统一命令**和**图形界面**两种方式，实现模型简洁高效的使用、组合与定制。支持**高性能部署、服务化部署和端侧部署**等多种部署方式。此外，对于各种主流硬件如**英伟达GPU、昆仑芯、昇腾、寒武纪和海光**等，进行模型开发时，都可以**无缝切换**。\r\n     \r\n  *  添加实例分割SOTA模型**Mask-RT-DETR**\r\n","html":"<div class=\"markdown-heading\"><h2 class=\"heading-element\">📣最新进展</h2><a id=\"user-content-最新进展\" class=\"anchor\" aria-label=\"Permalink: 📣最新进展\" href=\"#最新进展\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<strong>🔥2024.10.1 添加目标检测、实例分割领域一站式全流程开发能力</strong>:\n<ul>\n<li>\n<p>飞桨低代码开发工具PaddleX，依托于PaddleDetection的先进技术，支持了目标检测领域的<strong>一站式全流程</strong>开发能力：</p>\n<ul>\n<li>🎨 <a href=\"docs/paddlex/quick_start.md\"><strong>模型丰富一键调用</strong></a>：将通用目标检测、小目标检测和实例分割涉及的<strong>55个模型</strong>整合为3条模型产线，通过极简的<strong>Python API一键调用</strong>，快速体验模型效果。此外，同一套API，也支持图像分类、图像分割、文本图像智能分析、通用OCR、时序预测等共计<strong>200+模型</strong>，形成20+单功能模块，方便开发者进行<strong>模型组合使用</strong>。</li>\n<li>🚀 <a href=\"docs/paddlex/overview.md\"><strong>提高效率降低门槛</strong></a>：提供基于<strong>统一命令</strong>和<strong>图形界面</strong>两种方式，实现模型简洁高效的使用、组合与定制。支持<strong>高性能部署、服务化部署和端侧部署</strong>等多种部署方式。此外，对于各种主流硬件如<strong>英伟达GPU、昆仑芯、昇腾、寒武纪和海光</strong>等，进行模型开发时，都可以<strong>无缝切换</strong>。</li>\n</ul>\n</li>\n<li>\n<p>添加实例分割SOTA模型<strong>Mask-RT-DETR</strong></p>\n</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":125728749,"tag":"v2.7.0","author":"shiyutang","name":"PaddleDetectionv2.7.0","draft":false,"prerelease":false,"createdAt":"2023-09-27T02:38:06Z","publishedAt":"2023-10-19T03:47:18Z","markdown":"## New Projects:\r\n* Added SQR enhancement strategy based on PPDET Deformable DETR. (#8579)\r\n* Added RT-DETR model. (#8094)\r\n* Added semi-supervised detection based on RT-DETR. (#8336)\r\n\r\n## New Features:\r\n* Provide Chinese support in draw_bbox. (#8581)\r\n* Support specifying the priority of step and epoch in LinearWarmup. (#8540)\r\n* Compatible with pillow upgrade to 10.0. (#8446)\r\n\r\n## BugFix:\r\n* Fixed the problem of video memory usage and slowdown after Paddle supports stride. (#8489)\r\n* Fix import error and modify visualize.py. (#8476)\r\n* Fix v.dtype in ema blacklist. (#8466)\r\n* Fix image_resize_c error reporting problem during inference. (#8460)\r\n* Fixed textbbox error reporting problem in ImageDraw. (#8455)\r\n* Fixed picodet_layout error in Paddle2.5 and added nms_cpu parameter. (#8453)\r\n* Fixed long warning in training. (#8421)\r\n* Fix iou_score error reporting problem and modify ppdet/modeling/losses/detr_loss.py. (#8409)\r\n* Fixed the 0-dimensional problem in solov2. (#8643)\r\n* Fixed distributed parameters to solve the problem of error reporting when running multiple cards on non-GPU device TIPC. (#8635)\r\n* Fixed removal of fluid calls and modified deploy/pipeline/ppvehicle/vehicle_plateutils.py. (#8631)\r\n\r\n## Documentations:\r\n* Updated the README_cn.md document and added the Flying Plate AI Kit description. (#8601)\r\n* Add and release RTDETR Obj365 pre-training model document and modify configs/rtdetr/README.md. (#8567)\r\n* Fixed typos in README_en.md document. (#8551)\r\n* Update xpu tipc script. (#8546)\r\n* Added data set alias COCODetDataset. (#8503)\r\n* Add obj365 pre-trained model parameters. (#8500)\r\n* Update npu python version in tipc config. (#8485)\r\n* Adapt and upgrade libmkldnn, modify deploy/cpp/CMakeLists.txt. (#8442)\r\n\r\n\r\n## Projects：\r\n* 基于PPDET Deformable DETR 新增 SQR增强策略。（#8579）\r\n* 新增RTDeTR模型。（#8094）\r\n* 新增基于rt-detr的半监督检测。（#8336）\r\n\r\n## New Features:\r\n* 在draw_bbox中提供中文支持。（#8581）\r\n* 支持在 LinearWarmup 中指定step和epoch的优先级。（#8540）\r\n* 兼容 pillow 升级至10.0。（#8446）\r\n\r\n## BugFix:\r\n* 修复Paddle支持stride后，显存占用，运行降速问题。（#8489）\r\n* 修复import错误，修改visualize.py。（#8476）\r\n* 修复ema blacklist中v.dtype。（#8466）\r\n* 修复推理时image_resize_c报错问题。（#8460）\r\n* 修复ImageDraw中的textbbox报错问题。（#8455）\r\n* 修复Paddle2.5中picodet_layout报错，增加nms_cpu参数。（#8453）\r\n* 修复训练出现长警告。（#8421）\r\n* 修复iou_score报错问题，修改ppdet/modeling/losses/detr_loss.py。（#8409）\r\n* 修复solov2中0维问题。（#8643）\r\n* 修复分布式参数以解决非GPU设备TIPC时多卡运行报错的问题。（#8635）\r\n* 修复移除fluid调用，修改deploy/pipeline/ppvehicle/vehicle_plateutils.py。（#8631）\r\n\r\n## Documentations:\r\n* 更新README_cn.md文档，加入飞浆AI套件说明。（#8601）\r\n* 添加发布RTDETR Obj365预训练模型文档，修改configs/rtdetr/README.md。（#8567）\r\n* 修正README_en.md文档拼写错误。（#8551）\r\n* 更新xpu tipc脚本。（#8546）\r\n* 增加数据集别名COCODetDataset。（#8503）\r\n* 添加obj365预训练模型参数。（#8500）\r\n* 更新tipc config中npu python版本。（#8485）\r\n* 适配升级libmkldnn，修改deploy/cpp/CMakeLists.txt。（#8442）\r\n\r\n\r\n## New Contributors\r\n* @veyron95 made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/7746\r\n* @ZhangYulongg made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/7759\r\n* @Zhao-Yian made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/7865\r\n* @DefTruth made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/7950\r\n* @dust8 made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8005\r\n* @xiaoluomi made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8211\r\n* @flytocc made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8066\r\n* @khan-yin made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8278\r\n* @zhangting2020 made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8305\r\n* @EmmonsCurse made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8351\r\n* @nijkah made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8409\r\n* @Pcjmmc made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8442\r\n* @livingbody made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8446\r\n* @shiyutang made their first contribution in https://github.com/PaddlePaddle/PaddleDetection/pull/8455\r\n\r\n**Full Changelog**: https://github.com/PaddlePaddle/PaddleDetection/compare/v2.6.0...v2.7.0","html":"<div class=\"markdown-heading\"><h2 class=\"heading-element\">New Projects:</h2><a id=\"user-content-new-projects\" class=\"anchor\" aria-label=\"Permalink: New Projects:\" href=\"#new-projects\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>Added SQR enhancement strategy based on PPDET Deformable DETR. (#8579)</li>\n<li>Added RT-DETR model. (#8094)</li>\n<li>Added semi-supervised detection based on RT-DETR. (#8336)</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">New Features:</h2><a id=\"user-content-new-features\" class=\"anchor\" aria-label=\"Permalink: New Features:\" href=\"#new-features\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>Provide Chinese support in draw_bbox. (#8581)</li>\n<li>Support specifying the priority of step and epoch in LinearWarmup. (#8540)</li>\n<li>Compatible with pillow upgrade to 10.0. (#8446)</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">BugFix:</h2><a id=\"user-content-bugfix\" class=\"anchor\" aria-label=\"Permalink: BugFix:\" href=\"#bugfix\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>Fixed the problem of video memory usage and slowdown after Paddle supports stride. (#8489)</li>\n<li>Fix import error and modify visualize.py. (#8476)</li>\n<li>Fix v.dtype in ema blacklist. (#8466)</li>\n<li>Fix image_resize_c error reporting problem during inference. (#8460)</li>\n<li>Fixed textbbox error reporting problem in ImageDraw. (#8455)</li>\n<li>Fixed picodet_layout error in Paddle2.5 and added nms_cpu parameter. (#8453)</li>\n<li>Fixed long warning in training. (#8421)</li>\n<li>Fix iou_score error reporting problem and modify ppdet/modeling/losses/detr_loss.py. (#8409)</li>\n<li>Fixed the 0-dimensional problem in solov2. (#8643)</li>\n<li>Fixed distributed parameters to solve the problem of error reporting when running multiple cards on non-GPU device TIPC. (#8635)</li>\n<li>Fixed removal of fluid calls and modified deploy/pipeline/ppvehicle/vehicle_plateutils.py. (#8631)</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">Documentations:</h2><a id=\"user-content-documentations\" class=\"anchor\" aria-label=\"Permalink: Documentations:\" href=\"#documentations\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>Updated the README_cn.md document and added the Flying Plate AI Kit description. (#8601)</li>\n<li>Add and release RTDETR Obj365 pre-training model document and modify configs/rtdetr/README.md. (#8567)</li>\n<li>Fixed typos in README_en.md document. (#8551)</li>\n<li>Update xpu tipc script. (#8546)</li>\n<li>Added data set alias COCODetDataset. (#8503)</li>\n<li>Add obj365 pre-trained model parameters. (#8500)</li>\n<li>Update npu python version in tipc config. (#8485)</li>\n<li>Adapt and upgrade libmkldnn, modify deploy/cpp/CMakeLists.txt. (#8442)</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">Projects：</h2><a id=\"user-content-projects\" class=\"anchor\" aria-label=\"Permalink: Projects：\" href=\"#projects\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>基于PPDET Deformable DETR 新增 SQR增强策略。（#8579）</li>\n<li>新增RTDeTR模型。（#8094）</li>\n<li>新增基于rt-detr的半监督检测。（#8336）</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">New Features:</h2><a id=\"user-content-new-features-1\" class=\"anchor\" aria-label=\"Permalink: New Features:\" href=\"#new-features-1\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>在draw_bbox中提供中文支持。（#8581）</li>\n<li>支持在 LinearWarmup 中指定step和epoch的优先级。（#8540）</li>\n<li>兼容 pillow 升级至10.0。（#8446）</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">BugFix:</h2><a id=\"user-content-bugfix-1\" class=\"anchor\" aria-label=\"Permalink: BugFix:\" href=\"#bugfix-1\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>修复Paddle支持stride后，显存占用，运行降速问题。（#8489）</li>\n<li>修复import错误，修改visualize.py。（#8476）</li>\n<li>修复ema blacklist中v.dtype。（#8466）</li>\n<li>修复推理时image_resize_c报错问题。（#8460）</li>\n<li>修复ImageDraw中的textbbox报错问题。（#8455）</li>\n<li>修复Paddle2.5中picodet_layout报错，增加nms_cpu参数。（#8453）</li>\n<li>修复训练出现长警告。（#8421）</li>\n<li>修复iou_score报错问题，修改ppdet/modeling/losses/detr_loss.py。（#8409）</li>\n<li>修复solov2中0维问题。（#8643）</li>\n<li>修复分布式参数以解决非GPU设备TIPC时多卡运行报错的问题。（#8635）</li>\n<li>修复移除fluid调用，修改deploy/pipeline/ppvehicle/vehicle_plateutils.py。（#8631）</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">Documentations:</h2><a id=\"user-content-documentations-1\" class=\"anchor\" aria-label=\"Permalink: Documentations:\" href=\"#documentations-1\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>更新README_cn.md文档，加入飞浆AI套件说明。（#8601）</li>\n<li>添加发布RTDETR Obj365预训练模型文档，修改configs/rtdetr/README.md。（#8567）</li>\n<li>修正README_en.md文档拼写错误。（#8551）</li>\n<li>更新xpu tipc脚本。（#8546）</li>\n<li>增加数据集别名COCODetDataset。（#8503）</li>\n<li>添加obj365预训练模型参数。（#8500）</li>\n<li>更新tipc config中npu python版本。（#8485）</li>\n<li>适配升级libmkldnn，修改deploy/cpp/CMakeLists.txt。（#8442）</li>\n</ul>\n<div class=\"markdown-heading\"><h2 class=\"heading-element\">New Contributors</h2><a id=\"user-content-new-contributors\" class=\"anchor\" aria-label=\"Permalink: New Contributors\" href=\"#new-contributors\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>@veyron95 made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/7746\">https://github.com/PaddlePaddle/PaddleDetection/pull/7746</a>\n</li>\n<li>@ZhangYulongg made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/7759\">https://github.com/PaddlePaddle/PaddleDetection/pull/7759</a>\n</li>\n<li>@Zhao-Yian made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/7865\">https://github.com/PaddlePaddle/PaddleDetection/pull/7865</a>\n</li>\n<li>@DefTruth made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/7950\">https://github.com/PaddlePaddle/PaddleDetection/pull/7950</a>\n</li>\n<li>@dust8 made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8005\">https://github.com/PaddlePaddle/PaddleDetection/pull/8005</a>\n</li>\n<li>@xiaoluomi made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8211\">https://github.com/PaddlePaddle/PaddleDetection/pull/8211</a>\n</li>\n<li>@flytocc made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8066\">https://github.com/PaddlePaddle/PaddleDetection/pull/8066</a>\n</li>\n<li>@khan-yin made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8278\">https://github.com/PaddlePaddle/PaddleDetection/pull/8278</a>\n</li>\n<li>@zhangting2020 made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8305\">https://github.com/PaddlePaddle/PaddleDetection/pull/8305</a>\n</li>\n<li>@EmmonsCurse made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8351\">https://github.com/PaddlePaddle/PaddleDetection/pull/8351</a>\n</li>\n<li>@nijkah made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8409\">https://github.com/PaddlePaddle/PaddleDetection/pull/8409</a>\n</li>\n<li>@Pcjmmc made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8442\">https://github.com/PaddlePaddle/PaddleDetection/pull/8442</a>\n</li>\n<li>@livingbody made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8446\">https://github.com/PaddlePaddle/PaddleDetection/pull/8446</a>\n</li>\n<li>@shiyutang made their first contribution in <a href=\"https://github.com/PaddlePaddle/PaddleDetection/pull/8455\">https://github.com/PaddlePaddle/PaddleDetection/pull/8455</a>\n</li>\n</ul>\n<p><strong>Full Changelog</strong>: <a href=\"https://github.com/PaddlePaddle/PaddleDetection/compare/v2.6.0...v2.7.0\">https://github.com/PaddlePaddle/PaddleDetection/compare/v2.6.0...v2.7.0</a></p>\n","assets":[]},{"id":93026676,"tag":"v2.6.0","author":"jerrywgz","name":"release/2.6","draft":false,"prerelease":false,"createdAt":"2023-02-23T03:23:57Z","publishedAt":"2023-02-23T03:25:22Z","markdown":"### 2.6(02.15/2023)\r\n\r\n- 特色模型\r\n  - 发布旋转框检测模型PP-YOLOE-R：Anchor-free旋转框检测SOTA模型，精度速度双高、云边一体，s/m/l/x四个模型适配不用算力硬件、部署友好，避免使用特殊算子，能够轻松使用TensorRT加速；\r\n  - 发布小目标检测模型PP-YOLOE-SOD：基于切图的端到端检测方案、基于原图的检测模型，精度达VisDrone开源最优；\r\n  - 发布密集检测模型：基于PP-YOLOE+的密集检测算法，SKU数据集检测精度60.3，达到开源最优\r\n- 前沿算法\r\n  - YOLO家族新增前沿算法YOLOv8，更新YOLOv6-v3.0\r\n  - 新增目标检测算法DINO，YOLOF\r\n  - 新增ViTDet系列检测模型，PP-YOLOE+ViT_base, Mask RCNN + ViT_base, Mask RCNN + ViT_large\r\n  - 新增多目标跟踪算法CenterTrack\r\n  - 新增旋转框检测算法FCOSR\r\n  - 新增实例分割算法QueryInst\r\n  - 新增3D关键点检测算法Metro3d\r\n  - 新增模型蒸馏算法FGD，LD，CWD，新增PP-YOLOE+模型蒸馏，精度提升1.1 mAP\r\n  - 新增半监督检测算法 DenseTeacher，并适配PP-YOLOE+\r\n  - 新增少样本迁移学习方案，包含Co-tuning，Contrastive learning两类算法\r\n- 场景能力\r\n  - PP-Human v2开源边缘端实时检测模型，精度45.7，Jetson AGX速度80FPS\r\n  - PP-Vehicle开源边缘端实时检测模型，精度53.5，Jetson AGX速度80FPS\r\n  - PP-Human v2，PP-Vehicle支持多路视频流部署能力，实现Jetson AGX 4路视频流端到端20FPS实时部署\r\n  - PP-Vehicle新增车辆压线检测和车辆逆行检测能力\r\n- 框架能力\r\n  - 功能新增\r\n    - 新增检测热力图可视化能力，适配FasterRCNN/MaskRCNN系列, PP-YOLOE系列, BlazeFace, SSD, RetinaNet\r\n  - 功能完善/Bug修复\r\n    - 支持python3.10版本\r\n    - EMA支持过滤不更新参数\r\n    - 简化PP-YOLOE architecture架构代码\r\n    - AdamW适配paddle2.4.1版本\r\n","html":"<div class=\"markdown-heading\"><h3 class=\"heading-element\">2.6(02.15/2023)</h3><a id=\"user-content-2602152023\" class=\"anchor\" aria-label=\"Permalink: 2.6(02.15/2023)\" href=\"#2602152023\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>特色模型\n<ul>\n<li>发布旋转框检测模型PP-YOLOE-R：Anchor-free旋转框检测SOTA模型，精度速度双高、云边一体，s/m/l/x四个模型适配不用算力硬件、部署友好，避免使用特殊算子，能够轻松使用TensorRT加速；</li>\n<li>发布小目标检测模型PP-YOLOE-SOD：基于切图的端到端检测方案、基于原图的检测模型，精度达VisDrone开源最优；</li>\n<li>发布密集检测模型：基于PP-YOLOE+的密集检测算法，SKU数据集检测精度60.3，达到开源最优</li>\n</ul>\n</li>\n<li>前沿算法\n<ul>\n<li>YOLO家族新增前沿算法YOLOv8，更新YOLOv6-v3.0</li>\n<li>新增目标检测算法DINO，YOLOF</li>\n<li>新增ViTDet系列检测模型，PP-YOLOE+ViT_base, Mask RCNN + ViT_base, Mask RCNN + ViT_large</li>\n<li>新增多目标跟踪算法CenterTrack</li>\n<li>新增旋转框检测算法FCOSR</li>\n<li>新增实例分割算法QueryInst</li>\n<li>新增3D关键点检测算法Metro3d</li>\n<li>新增模型蒸馏算法FGD，LD，CWD，新增PP-YOLOE+模型蒸馏，精度提升1.1 mAP</li>\n<li>新增半监督检测算法 DenseTeacher，并适配PP-YOLOE+</li>\n<li>新增少样本迁移学习方案，包含Co-tuning，Contrastive learning两类算法</li>\n</ul>\n</li>\n<li>场景能力\n<ul>\n<li>PP-Human v2开源边缘端实时检测模型，精度45.7，Jetson AGX速度80FPS</li>\n<li>PP-Vehicle开源边缘端实时检测模型，精度53.5，Jetson AGX速度80FPS</li>\n<li>PP-Human v2，PP-Vehicle支持多路视频流部署能力，实现Jetson AGX 4路视频流端到端20FPS实时部署</li>\n<li>PP-Vehicle新增车辆压线检测和车辆逆行检测能力</li>\n</ul>\n</li>\n<li>框架能力\n<ul>\n<li>功能新增\n<ul>\n<li>新增检测热力图可视化能力，适配FasterRCNN/MaskRCNN系列, PP-YOLOE系列, BlazeFace, SSD, RetinaNet</li>\n</ul>\n</li>\n<li>功能完善/Bug修复\n<ul>\n<li>支持python3.10版本</li>\n<li>EMA支持过滤不更新参数</li>\n<li>简化PP-YOLOE architecture架构代码</li>\n<li>AdamW适配paddle2.4.1版本</li>\n</ul>\n</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":75768018,"tag":"v2.5.0","author":"jerrywgz","name":"release/2.5","draft":false,"prerelease":false,"createdAt":"2022-09-13T06:35:04Z","publishedAt":"2022-09-13T06:36:24Z","markdown":"### 2.5(08.26/2022)\r\n\r\n- 特色模型\r\n  - PP-YOLOE+：\r\n    - 发布PP-YOLOE+模型，COCO test2017数据集精度提升0.7%-2.4% mAP，模型训练收敛速度提升3.75倍，端到端预测速度提升1.73-2.3倍\r\n    - 发布智慧农业，夜间安防检测，工业质检场景预训练模型，精度提升1.3%-8.1% mAP\r\n    - 支持分布式训练、在线量化、serving部署等10大高性能训练部署能力，新增C++/Python Serving、TRT原生推理、ONNX Runtime等5+部署demo教程\r\n  - PP-PicoDet：\r\n    - 发布PicoDet-NPU模型，支持模型全量化部署\r\n    - 新增PicoDet版面分析模型，基于FGD蒸馏算法精度提升0.5% mAP\r\n  - PP-TinyPose\r\n    - 发布PP-TinyPose增强版，在健身、舞蹈等场景的业务数据集端到端AP提升9.1% AP\r\n    - 覆盖侧身、卧躺、跳跃、高抬腿等非常规动作\r\n    - 新增滤波稳定模块，关键点稳定性显著增强\r\n\r\n- 场景能力\r\n  - PP-Human v2\r\n    - 发布PP-Human v2，支持四大产业特色功能：多方案行为识别案例库、人体属性识别、人流检测与轨迹留存以及高精度跨镜跟踪\r\n    - 底层算法能力升级，行人检测精度提升1.5% mAP；行人跟踪精度提升10.2% MOTA，轻量级模型速度提升34%；属性识别精度提升0.6% ma，轻量级模型速度提升62.5%\r\n    - 提供全流程教程，覆盖数据采集标注，模型训练优化和预测部署，及pipeline中后处理代码修改\r\n    - 新增在线视频流输入支持\r\n    - 易用性提升，一行代码执行功能，执行流程判断、模型下载背后自动完成。\r\n  - PP-Vehicle\r\n    - 全新发布PP-Vehicle，支持四大交通场景核心功能：车牌识别、属性识别、车流量统计、违章检测\r\n    - 车牌识别支持基于PP-OCR v3的轻量级车牌识别模型\r\n    - 车辆属性识别支持基于PP-LCNet多标签分类模型\r\n    - 兼容图片、视频、在线视频流等各类数据输入格式\r\n    - 易用性提升，一行代码执行功能，执行流程判断、模型下载背后自动完成。\r\n\r\n- 前沿算法\r\n  - YOLO家族全系列模型\r\n    - 发布YOLO家族全系列模型，覆盖前沿检测算法YOLOv5、MT-YOLOv6及YOLOv7\r\n    - 基于ConvNext骨干网络，YOLO各算法训练周期缩5-8倍，精度普遍提升1%-5% mAP；使用模型压缩策略实现精度无损的同时速度提升30%以上\r\n  - 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\r\n  - 新增OC-SORT多目标跟踪模型\r\n  - 新增ConvNeXt骨干网络\r\n\r\n- 产业实践范例教程\r\n  - 基于PP-TinyPose增强版的智能健身动作识别\r\n  - 基于PP-Human的打架识别\r\n  - 基于PP-Human的营业厅来客分析\r\n  - 基于PP-Vehicle的车辆结构化分析\r\n  - 基于PP-YOLOE+的PCB电路板缺陷检测\r\n\r\n- 框架能力\r\n  - 功能新增\r\n    - 新增自动压缩工具支持并提供demo，PP-YOLOE l版本精度损失0.3% mAP，V100速度提升13%\r\n    - 新增PaddleServing python/C++和ONNXRuntime部署demo\r\n    - 新增PP-YOLOE 端到端TensorRT部署demo\r\n    - 新增FGC蒸馏算法，RetinaNet精度提升3.3%\r\n    - 新增分布式训练文档\r\n  - 功能完善/Bug修复\r\n    - 修复Windows c++部署编译问题\r\n    - 修复VOC格式数据预测时保存结果问题\r\n    - 修复FairMOT c++部署检测框输出\r\n    - 旋转框检测模型S2ANet支持batch size>1部署","html":"<div class=\"markdown-heading\"><h3 class=\"heading-element\">2.5(08.26/2022)</h3><a id=\"user-content-2508262022\" class=\"anchor\" aria-label=\"Permalink: 2.5(08.26/2022)\" href=\"#2508262022\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<p>特色模型</p>\n<ul>\n<li>PP-YOLOE+：\n<ul>\n<li>发布PP-YOLOE+模型，COCO test2017数据集精度提升0.7%-2.4% mAP，模型训练收敛速度提升3.75倍，端到端预测速度提升1.73-2.3倍</li>\n<li>发布智慧农业，夜间安防检测，工业质检场景预训练模型，精度提升1.3%-8.1% mAP</li>\n<li>支持分布式训练、在线量化、serving部署等10大高性能训练部署能力，新增C++/Python Serving、TRT原生推理、ONNX Runtime等5+部署demo教程</li>\n</ul>\n</li>\n<li>PP-PicoDet：\n<ul>\n<li>发布PicoDet-NPU模型，支持模型全量化部署</li>\n<li>新增PicoDet版面分析模型，基于FGD蒸馏算法精度提升0.5% mAP</li>\n</ul>\n</li>\n<li>PP-TinyPose\n<ul>\n<li>发布PP-TinyPose增强版，在健身、舞蹈等场景的业务数据集端到端AP提升9.1% AP</li>\n<li>覆盖侧身、卧躺、跳跃、高抬腿等非常规动作</li>\n<li>新增滤波稳定模块，关键点稳定性显著增强</li>\n</ul>\n</li>\n</ul>\n</li>\n<li>\n<p>场景能力</p>\n<ul>\n<li>PP-Human v2\n<ul>\n<li>发布PP-Human v2，支持四大产业特色功能：多方案行为识别案例库、人体属性识别、人流检测与轨迹留存以及高精度跨镜跟踪</li>\n<li>底层算法能力升级，行人检测精度提升1.5% mAP；行人跟踪精度提升10.2% MOTA，轻量级模型速度提升34%；属性识别精度提升0.6% ma，轻量级模型速度提升62.5%</li>\n<li>提供全流程教程，覆盖数据采集标注，模型训练优化和预测部署，及pipeline中后处理代码修改</li>\n<li>新增在线视频流输入支持</li>\n<li>易用性提升，一行代码执行功能，执行流程判断、模型下载背后自动完成。</li>\n</ul>\n</li>\n<li>PP-Vehicle\n<ul>\n<li>全新发布PP-Vehicle，支持四大交通场景核心功能：车牌识别、属性识别、车流量统计、违章检测</li>\n<li>车牌识别支持基于PP-OCR v3的轻量级车牌识别模型</li>\n<li>车辆属性识别支持基于PP-LCNet多标签分类模型</li>\n<li>兼容图片、视频、在线视频流等各类数据输入格式</li>\n<li>易用性提升，一行代码执行功能，执行流程判断、模型下载背后自动完成。</li>\n</ul>\n</li>\n</ul>\n</li>\n<li>\n<p>前沿算法</p>\n<ul>\n<li>YOLO家族全系列模型\n<ul>\n<li>发布YOLO家族全系列模型，覆盖前沿检测算法YOLOv5、MT-YOLOv6及YOLOv7</li>\n<li>基于ConvNext骨干网络，YOLO各算法训练周期缩5-8倍，精度普遍提升1%-5% mAP；使用模型压缩策略实现精度无损的同时速度提升30%以上</li>\n</ul>\n</li>\n<li>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</li>\n<li>新增OC-SORT多目标跟踪模型</li>\n<li>新增ConvNeXt骨干网络</li>\n</ul>\n</li>\n<li>\n<p>产业实践范例教程</p>\n<ul>\n<li>基于PP-TinyPose增强版的智能健身动作识别</li>\n<li>基于PP-Human的打架识别</li>\n<li>基于PP-Human的营业厅来客分析</li>\n<li>基于PP-Vehicle的车辆结构化分析</li>\n<li>基于PP-YOLOE+的PCB电路板缺陷检测</li>\n</ul>\n</li>\n<li>\n<p>框架能力</p>\n<ul>\n<li>功能新增\n<ul>\n<li>新增自动压缩工具支持并提供demo，PP-YOLOE l版本精度损失0.3% mAP，V100速度提升13%</li>\n<li>新增PaddleServing python/C++和ONNXRuntime部署demo</li>\n<li>新增PP-YOLOE 端到端TensorRT部署demo</li>\n<li>新增FGC蒸馏算法，RetinaNet精度提升3.3%</li>\n<li>新增分布式训练文档</li>\n</ul>\n</li>\n<li>功能完善/Bug修复\n<ul>\n<li>修复Windows c++部署编译问题</li>\n<li>修复VOC格式数据预测时保存结果问题</li>\n<li>修复FairMOT c++部署检测框输出</li>\n<li>旋转框检测模型S2ANet支持batch size&gt;1部署</li>\n</ul>\n</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":65159492,"tag":"v2.4.0","author":"heavengate","name":"release/2.4","draft":false,"prerelease":false,"createdAt":"2022-04-24T03:49:32Z","publishedAt":"2022-04-24T03:51:25Z","markdown":"### 2.4(03.24/2022)\r\n\r\n- PP-YOLOE：\r\n  - 发布PP-YOLOE特色模型，l版本COCO test2017数据集精度51.6%，V100预测速度78.1 FPS，精度速度服务器端SOTA\r\n  - 发布s/m/l/x系列模型，打通TensorRT、ONNX部署能力\r\n  - 支持混合精度训练，训练较PP-YOLOv2加速33%\r\n\r\n- PP-PicoDet:\r\n  - 发布PP-PicoDet优化模型，精度提升2%左右，CPU预测速度提升63%。\r\n  - 新增参数量0.7M的PicoDet-XS模型\r\n  - 后处理集成到网络中，优化端到端部署成本\r\n\r\n- 行人分析Pipeline：\r\n  - 发布PP-Human行人分析Pipeline，覆盖行人检测、属性识别、行人跟踪、跨镜跟踪、人流量统计、动作识别多种功能，打通TensorRT部署\r\n  - 属性识别支持StrongBaseline模型\r\n  - ReID支持Centroid模型\r\n  - 动作识别支持ST-GCN摔倒检测\r\n\r\n- 模型丰富度:\r\n  - 发布YOLOX，支持nano/tiny/s/m/l/x版本，x版本COCO val2017数据集精度51.8%\r\n\r\n- 框架功能优化：\r\n  - EMA训练速度优化20%，优化EMA训练模型保存方式\r\n  - 支持infer预测结果保存为COCO格式\r\n\r\n- 部署优化：\r\n  - RCNN全系列模型支持Paddle2ONNX导出ONNX模型\r\n  - SSD模型支持导出时融合解码OP，优化边缘端部署速度\r\n  - 支持NMS导出TensorRT，TensorRT部署端到端速度提升","html":"<div class=\"markdown-heading\"><h3 class=\"heading-element\">2.4(03.24/2022)</h3><a id=\"user-content-2403242022\" class=\"anchor\" aria-label=\"Permalink: 2.4(03.24/2022)\" href=\"#2403242022\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<ul>\n<li>\n<p>PP-YOLOE：</p>\n<ul>\n<li>发布PP-YOLOE特色模型，l版本COCO test2017数据集精度51.6%，V100预测速度78.1 FPS，精度速度服务器端SOTA</li>\n<li>发布s/m/l/x系列模型，打通TensorRT、ONNX部署能力</li>\n<li>支持混合精度训练，训练较PP-YOLOv2加速33%</li>\n</ul>\n</li>\n<li>\n<p>PP-PicoDet:</p>\n<ul>\n<li>发布PP-PicoDet优化模型，精度提升2%左右，CPU预测速度提升63%。</li>\n<li>新增参数量0.7M的PicoDet-XS模型</li>\n<li>后处理集成到网络中，优化端到端部署成本</li>\n</ul>\n</li>\n<li>\n<p>行人分析Pipeline：</p>\n<ul>\n<li>发布PP-Human行人分析Pipeline，覆盖行人检测、属性识别、行人跟踪、跨镜跟踪、人流量统计、动作识别多种功能，打通TensorRT部署</li>\n<li>属性识别支持StrongBaseline模型</li>\n<li>ReID支持Centroid模型</li>\n<li>动作识别支持ST-GCN摔倒检测</li>\n</ul>\n</li>\n<li>\n<p>模型丰富度:</p>\n<ul>\n<li>发布YOLOX，支持nano/tiny/s/m/l/x版本，x版本COCO val2017数据集精度51.8%</li>\n</ul>\n</li>\n<li>\n<p>框架功能优化：</p>\n<ul>\n<li>EMA训练速度优化20%，优化EMA训练模型保存方式</li>\n<li>支持infer预测结果保存为COCO格式</li>\n</ul>\n</li>\n<li>\n<p>部署优化：</p>\n<ul>\n<li>RCNN全系列模型支持Paddle2ONNX导出ONNX模型</li>\n<li>SSD模型支持导出时融合解码OP，优化边缘端部署速度</li>\n<li>支持NMS导出TensorRT，TensorRT部署端到端速度提升</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":54948472,"tag":"v2.3.0","author":"heavengate","name":"release/2.3","draft":false,"prerelease":false,"createdAt":"2021-11-26T03:25:00Z","publishedAt":"2021-12-09T11:11:05Z","markdown":" - 检测: 轻量级移动端检测模型PP-PicoDet，精度速度达到移动端SOTA\r\n  - 关键点: 轻量级移动端关键点模型PP-TinyPose\r\n\r\n- 模型丰富度:\r\n  - 检测：\r\n    - 新增Swin-Transformer目标检测模型\r\n    - 新增TOOD(Task-aligned One-stage Object Detection)模型\r\n    - 新增GFL(Generalized Focal Loss)目标检测模型\r\n    - 发布Sniper小目标检测优化方法，支持Faster RCNN及PP-YOLO系列模型\r\n    - 发布针对EdgeBoard优化的PP-YOLO-EB模型\r\n\r\n  - 跟踪\r\n    - 发布实时跟踪系统PP-Tracking\r\n    - 发布FairMot高精度模型、小尺度模型和轻量级模型\r\n    - 发布行人、人头和车辆实跟踪垂类模型库，覆盖航拍监控、自动驾驶、密集人群、极小目标等场景\r\n    - DeepSORT模型适配PP-YOLO, PP-PicoDet等更多检测器\r\n\r\n  - 关键点\r\n    - 新增Lite HRNet模型\r\n\r\n- 预测部署:\r\n  - YOLOv3系列模型支持NPU预测部署\r\n  - FairMot模型C++预测部署打通\r\n  - 关键点系列模型C++预测部署打通, Paddle Lite预测部署打通\r\n\r\n- 文档:\r\n  - 新增各系列模型英文文档","html":"<ul>\n<li>\n<p>检测: 轻量级移动端检测模型PP-PicoDet，精度速度达到移动端SOTA</p>\n</li>\n<li>\n<p>关键点: 轻量级移动端关键点模型PP-TinyPose</p>\n</li>\n<li>\n<p>模型丰富度:</p>\n<ul>\n<li>\n<p>检测：</p>\n<ul>\n<li>新增Swin-Transformer目标检测模型</li>\n<li>新增TOOD(Task-aligned One-stage Object Detection)模型</li>\n<li>新增GFL(Generalized Focal Loss)目标检测模型</li>\n<li>发布Sniper小目标检测优化方法，支持Faster RCNN及PP-YOLO系列模型</li>\n<li>发布针对EdgeBoard优化的PP-YOLO-EB模型</li>\n</ul>\n</li>\n<li>\n<p>跟踪</p>\n<ul>\n<li>发布实时跟踪系统PP-Tracking</li>\n<li>发布FairMot高精度模型、小尺度模型和轻量级模型</li>\n<li>发布行人、人头和车辆实跟踪垂类模型库，覆盖航拍监控、自动驾驶、密集人群、极小目标等场景</li>\n<li>DeepSORT模型适配PP-YOLO, PP-PicoDet等更多检测器</li>\n</ul>\n</li>\n<li>\n<p>关键点</p>\n<ul>\n<li>新增Lite HRNet模型</li>\n</ul>\n</li>\n</ul>\n</li>\n<li>\n<p>预测部署:</p>\n<ul>\n<li>YOLOv3系列模型支持NPU预测部署</li>\n<li>FairMot模型C++预测部署打通</li>\n<li>关键点系列模型C++预测部署打通, Paddle Lite预测部署打通</li>\n</ul>\n</li>\n<li>\n<p>文档:</p>\n<ul>\n<li>新增各系列模型英文文档</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":47961884,"tag":"v2.2.0","author":"heavengate","name":"v2.2.0","draft":false,"prerelease":false,"createdAt":"2021-08-16T13:45:41Z","publishedAt":"2021-08-17T09:24:50Z","markdown":"- 模型丰富度：\r\n    - 发布Transformer检测模型：DETR、Deformable DETR、Sparse RCNN\r\n    - 关键点检测新增Dark模型，发布Dark HRNet模型\r\n    - 发布MPII数据集HRNet关键点检测模型\r\n    - 发布人头、车辆跟踪垂类模型\r\n\r\n- 模型优化：\r\n    - 旋转框检测模型S2ANet发布Align Conv优化模型，DOTA数据集mAP优化至74.0\r\n\r\n- 预测部署\r\n    - 主流模型支持batch size>1预测部署，包含YOLOv3，PP-YOLO，Faster RCNN，SSD，TTFNet，FCOS\r\n    - 新增多目标跟踪模型(JDE, FairMot, DeepSort) Python端预测部署支持，并支持TensorRT预测\r\n    - 新增多目标跟踪模型FairMot联合关键点检测模型部署Python端预测部署支持\r\n    - 新增关键点检测模型联合PP-YOLO预测部署支持\r\n\r\n- 文档：\r\n    - Windows预测部署文档新增TensorRT版本说明\r\n    - FAQ文档更新发布\r\n\r\n- 问题修复：\r\n    - 修复PP-YOLO系列模型训练收敛性问题\r\n    - 修复batch size>1时无标签数据训练问题","html":"<ul>\n<li>\n<p>模型丰富度：</p>\n<ul>\n<li>发布Transformer检测模型：DETR、Deformable DETR、Sparse RCNN</li>\n<li>关键点检测新增Dark模型，发布Dark HRNet模型</li>\n<li>发布MPII数据集HRNet关键点检测模型</li>\n<li>发布人头、车辆跟踪垂类模型</li>\n</ul>\n</li>\n<li>\n<p>模型优化：</p>\n<ul>\n<li>旋转框检测模型S2ANet发布Align Conv优化模型，DOTA数据集mAP优化至74.0</li>\n</ul>\n</li>\n<li>\n<p>预测部署</p>\n<ul>\n<li>主流模型支持batch size&gt;1预测部署，包含YOLOv3，PP-YOLO，Faster RCNN，SSD，TTFNet，FCOS</li>\n<li>新增多目标跟踪模型(JDE, FairMot, DeepSort) Python端预测部署支持，并支持TensorRT预测</li>\n<li>新增多目标跟踪模型FairMot联合关键点检测模型部署Python端预测部署支持</li>\n<li>新增关键点检测模型联合PP-YOLO预测部署支持</li>\n</ul>\n</li>\n<li>\n<p>文档：</p>\n<ul>\n<li>Windows预测部署文档新增TensorRT版本说明</li>\n<li>FAQ文档更新发布</li>\n</ul>\n</li>\n<li>\n<p>问题修复：</p>\n<ul>\n<li>修复PP-YOLO系列模型训练收敛性问题</li>\n<li>修复batch size&gt;1时无标签数据训练问题</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":43280301,"tag":"v2.1.0","author":"heavengate","name":"PaddleDetection v2.1.0","draft":false,"prerelease":false,"createdAt":"2021-05-20T11:22:57Z","publishedAt":"2021-05-20T11:25:07Z","markdown":"- 模型丰富度提升：\r\n    - 发布关键点模型HRNet，HigherHRNet\r\n    - 发布多目标跟踪模型DeepSort, FairMot, JDE\r\n\r\n- 框架基础能力：\r\n    - 支持无标注框训练\r\n\r\n- 预测部署：\r\n    - Paddle Inference YOLOv3系列模型支持batch size>1预测\r\n    - 旋转框检测S2ANet模型预测部署打通\r\n    - 增加量化模型Benchmark\r\n    - 增加动态图模型与静态图模型Paddle-Lite demo\r\n\r\n- 检测模型压缩：\r\n    - 发布PPYOLO系列模型压缩模型\r\n\r\n- 文档：\r\n    - 更新快速开始，预测部署等教程文档\r\n    - 新增ONNX模型导出教程\r\n    - 新增移动端部署文档","html":"<ul>\n<li>\n<p>模型丰富度提升：</p>\n<ul>\n<li>发布关键点模型HRNet，HigherHRNet</li>\n<li>发布多目标跟踪模型DeepSort, FairMot, JDE</li>\n</ul>\n</li>\n<li>\n<p>框架基础能力：</p>\n<ul>\n<li>支持无标注框训练</li>\n</ul>\n</li>\n<li>\n<p>预测部署：</p>\n<ul>\n<li>Paddle Inference YOLOv3系列模型支持batch size&gt;1预测</li>\n<li>旋转框检测S2ANet模型预测部署打通</li>\n<li>增加量化模型Benchmark</li>\n<li>增加动态图模型与静态图模型Paddle-Lite demo</li>\n</ul>\n</li>\n<li>\n<p>检测模型压缩：</p>\n<ul>\n<li>发布PPYOLO系列模型压缩模型</li>\n</ul>\n</li>\n<li>\n<p>文档：</p>\n<ul>\n<li>更新快速开始，预测部署等教程文档</li>\n<li>新增ONNX模型导出教程</li>\n<li>新增移动端部署文档</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":41652085,"tag":"v2.0.0","author":"heavengate","name":"PaddleDetection v2.0.0","draft":false,"prerelease":false,"createdAt":"2021-04-19T15:09:34Z","publishedAt":"2021-04-19T15:10:54Z","markdown":"### 2.0(04.15/2021)\r\n\r\n  **说明：** 自2.0版本开始，动态图作为PaddleDetection默认版本，原`dygraph`目录切换为根目录，原静态图实现移动到`static`目录下。\r\n\r\n  - 动态图模型丰富度提升：\r\n    - 发布PP-YOLOv2及PP-YOLO tiny模型，PP-YOLOv2 COCO test数据集精度达到49.5%，V100预测速度达到68.9 FPS\r\n    - 发布旋转框检测模型S2ANet\r\n    - 发布两阶段实用模型PSS-Det\r\n    - 发布人脸检测模型Blazeface\r\n\r\n  - 新增基础模块：\r\n    - 新增SENet，GhostNet，Res2Net骨干网络\r\n    - 新增VisualDL训练可视化支持\r\n    - 新增单类别精度计算及PR曲线绘制功能\r\n    - YOLO系列模型支持NHWC数据格式\r\n\r\n  - 预测部署：\r\n    - 发布主要模型的预测benchmark数据\r\n    - 适配TensorRT6，支持TensorRT动态尺寸输入，支持TensorRT int8量化预测\r\n    - PP-YOLO, YOLOv3, SSD, TTFNet, FCOS, Faster RCNN等7类模型在Linux、Windows、NV Jetson平台下python/cpp/TRT预测部署打通:\r\n\r\n  - 检测模型压缩：\r\n    - 蒸馏：新增动态图蒸馏支持，并发布YOLOv3-MobileNetV1蒸馏模型\r\n    - 联合策略：新增动态图剪裁+蒸馏联合策略压缩方案，并发布YOLOv3-MobileNetV1的剪裁+蒸馏压缩模型\r\n    - 问题修复：修复动态图量化模型导出问题\r\n\r\n  - 文档：\r\n    - 新增动态图英文文档：包含首页文档，入门使用，快速开始，模型算法、新增数据集等\r\n    - 新增动态图中英文安装文档\r\n    - 新增动态图RCNN系列和YOLO系列配置文件模板及配置项说明文档","html":"<div class=\"markdown-heading\"><h3 class=\"heading-element\">2.0(04.15/2021)</h3><a id=\"user-content-2004152021\" class=\"anchor\" aria-label=\"Permalink: 2.0(04.15/2021)\" href=\"#2004152021\"><span aria-hidden=\"true\" class=\"octicon octicon-link\"></span></a></div>\n<p><strong>说明：</strong> 自2.0版本开始，动态图作为PaddleDetection默认版本，原<code>dygraph</code>目录切换为根目录，原静态图实现移动到<code>static</code>目录下。</p>\n<ul>\n<li>\n<p>动态图模型丰富度提升：</p>\n<ul>\n<li>发布PP-YOLOv2及PP-YOLO tiny模型，PP-YOLOv2 COCO test数据集精度达到49.5%，V100预测速度达到68.9 FPS</li>\n<li>发布旋转框检测模型S2ANet</li>\n<li>发布两阶段实用模型PSS-Det</li>\n<li>发布人脸检测模型Blazeface</li>\n</ul>\n</li>\n<li>\n<p>新增基础模块：</p>\n<ul>\n<li>新增SENet，GhostNet，Res2Net骨干网络</li>\n<li>新增VisualDL训练可视化支持</li>\n<li>新增单类别精度计算及PR曲线绘制功能</li>\n<li>YOLO系列模型支持NHWC数据格式</li>\n</ul>\n</li>\n<li>\n<p>预测部署：</p>\n<ul>\n<li>发布主要模型的预测benchmark数据</li>\n<li>适配TensorRT6，支持TensorRT动态尺寸输入，支持TensorRT int8量化预测</li>\n<li>PP-YOLO, YOLOv3, SSD, TTFNet, FCOS, Faster RCNN等7类模型在Linux、Windows、NV Jetson平台下python/cpp/TRT预测部署打通:</li>\n</ul>\n</li>\n<li>\n<p>检测模型压缩：</p>\n<ul>\n<li>蒸馏：新增动态图蒸馏支持，并发布YOLOv3-MobileNetV1蒸馏模型</li>\n<li>联合策略：新增动态图剪裁+蒸馏联合策略压缩方案，并发布YOLOv3-MobileNetV1的剪裁+蒸馏压缩模型</li>\n<li>问题修复：修复动态图量化模型导出问题</li>\n</ul>\n</li>\n<li>\n<p>文档：</p>\n<ul>\n<li>新增动态图英文文档：包含首页文档，入门使用，快速开始，模型算法、新增数据集等</li>\n<li>新增动态图中英文安装文档</li>\n<li>新增动态图RCNN系列和YOLO系列配置文件模板及配置项说明文档</li>\n</ul>\n</li>\n</ul>\n","assets":[]},{"id":21789291,"tag":"v0.1.0","author":"qingqing01","name":"PaddleDetection v0.1.0","draft":false,"prerelease":false,"createdAt":"2019-11-27T04:16:56Z","publishedAt":"2019-11-27T05:15:38Z","markdown":"- 基于PaddlePaddle v1.6.1版本.\r\n- 模型包括: Faster R-CNN, Mask R-CNN, Faster R-CNN+FPN, Mask R-CNN+FPN, Cascade-Faster-RCNN+FPN, Cascade-Mask-RCNN+FPN, RetinaNet, YOLOv3, SSD，以及人脸检测模型Faceboxes, BlazeFace.\r\n- 增强版的YOLOv3在COCO上精度达到41.4%，CBResNet200-vd-FPN-Nonlocal模型在COCO上精度达到53.3%，包含行人检测和车辆检测预训练模型\r\n- 支持sync-bn、多尺度训练、多尺度测试、FP16训练，包含预测benchmark","html":"<ul>\n<li>基于PaddlePaddle v1.6.1版本.</li>\n<li>模型包括: Faster R-CNN, Mask R-CNN, Faster R-CNN+FPN, Mask R-CNN+FPN, Cascade-Faster-RCNN+FPN, Cascade-Mask-RCNN+FPN, RetinaNet, YOLOv3, SSD，以及人脸检测模型Faceboxes, BlazeFace.</li>\n<li>增强版的YOLOv3在COCO上精度达到41.4%，CBResNet200-vd-FPN-Nonlocal模型在COCO上精度达到53.3%，包含行人检测和车辆检测预训练模型</li>\n<li>支持sync-bn、多尺度训练、多尺度测试、FP16训练，包含预测benchmark</li>\n</ul>\n","assets":[]}]}