PP-YOLOE：YOLO 的演进版本

Shangliang Xu; Xinxin Wang; Wenyu Lv; Qinyao Chang; Cheng Cui; Kaipeng Deng; Guanzhong Wang; Qingqing Dang; Shengyu Wei; Yuning Du; Baohua Lai

PP-YOLOE：YOLO 的演进版本

计算机视觉与模式识别 2022-12-13 v3

作者: Shangliang Xu , Xinxin Wang , Wenyu Lv , Qinyao Chang , Cheng Cui , Kaipeng Deng , Guanzhong Wang , Qingqing Dang , Shengyu Wei , Yuning Du , Baohua Lai

在 arXiv 上查看 ↗ PDF ↗

摘要

在本报告中，我们提出 PP-YOLOE，一种兼具高性能与易部署特性的工业级最先进目标检测器。我们在先前 PP-YOLOv2 的基础上进行优化，采用无锚框范式，配备更强大的骨干网络与颈部网络（含 CSPRepResStage、ET-head 以及动态标签分配算法 TAL）。我们提供 s/m/l/x 模型以适应不同的实际场景。结果表明，PP-YOLOE-l 在 COCO test-dev 上达到 51.4 mAP，在 Tesla V100 上达到 78.1 FPS，相比此前的工业级最先进模型 PP-YOLOv2 和 YOLOX，分别取得显著的 (+1.9 AP, +13.35% 加速) 和 (+1.3 AP, +24.96% 加速) 提升。此外，PP-YOLOE 在 TensorRT 与 FP16 精度下推理速度达到 149.2 FPS。我们还进行了大量实验以验证各项设计的有效性。源代码与预训练模型可在 https://github.com/PaddlePaddle/PaddleDetection 获取。

关键词

目标检测无锚框 PP-YOLOE CSPRepResStage ET-head 动态标签分配 TensorRT

引用

@article{arxiv.2203.16250,
  title  = {PP-YOLOE: An evolved version of YOLO},
  author = {Shangliang Xu and Xinxin Wang and Wenyu Lv and Qinyao Chang and Cheng Cui and Kaipeng Deng and Guanzhong Wang and Qingqing Dang and Shengyu Wei and Yuning Du and Baohua Lai},
  journal= {arXiv preprint arXiv:2203.16250},
  year   = {2022}
}

备注

7 pages, 3 figures, 4 tables

PP-YOLOE：YOLO 的演进版本

摘要

关键词

引用

备注

相关论文