2020年新體系，“新基建”正給中國科技發(fā)展帶來新的重大機(jī)遇投入力度，人工智能基礎(chǔ)設(shè)施面臨全面升級(jí)。深度學(xué)習(xí)框架正是推動(dòng)產(chǎn)業(yè)智能化進(jìn)階的重要基礎(chǔ)設(shè)施不難發現。近日貢獻法治，國內(nèi)優(yōu)選開源開放、功能完備的深度學(xué)習(xí)開源平臺(tái)——百度飛槳發展需要，在智能視覺領(lǐng)域?qū)崿F(xiàn)重大升級(jí)攻堅克難。

此次管理，PaddleCV很新全景圖首度曝光。其中生動，PaddleDetection新型儲能、PaddleSeg、PaddleSlim和PaddleLite重磅升級(jí)新品技；全新發(fā)布3D視覺和PLSC超大規(guī)模分類2項(xiàng)能力範圍。同時(shí)，PaddleCV新增了15個(gè)在產(chǎn)業(yè)實(shí)踐中廣泛應(yīng)用的算法紮實做，整體高質(zhì)量算法數(shù)量達(dá)到73個(gè)引領作用；35個(gè)高精度預(yù)練習(xí)模型，總數(shù)達(dá)到203個(gè)臺上與臺下。

PaddleCV全景圖

PaddleCV依托于飛槳底層核心技術(shù)以及百度大腦軟硬一體AI大生產(chǎn)平臺(tái)的優(yōu)勢用的舒心，貫通了從核心技術(shù)、生態(tài)應(yīng)用集聚效應，再到商業(yè)化解決方案的整套體系集成，支撐百度視覺成為目前業(yè)內(nèi)規(guī)模很大、技術(shù)棧很全面互動講、生態(tài)體系很完善的視覺技術(shù)平臺(tái)穩定性，形成可自我持續(xù)迭代優(yōu)化的閉環(huán)。

如全景圖所示過程中，PaddleCV主要從三方面更新核心技術(shù)能力：

第一去突破，核心技術(shù)能力升級(jí)，基于產(chǎn)業(yè)實(shí)踐真實(shí)場景打磨達到，多場景視覺任務(wù)上模型正確率全面提升智能設備。

PaddleDetection模塊種類與性能全面提升，YOLOv3大幅增強(qiáng)蓬勃發展，精度提升4.3%特點，練習(xí)提速40%，推理提速21%重要性；人臉檢測模型BlazeFace新增NAS版本向好態勢，體積壓縮3倍，推理速度提速122%服務機製；新增IoU損失函數(shù)類型貢獻力量，精度再提升1%，不增加猜測耗時(shí)大幅拓展。在模型方面發行速度，新增3個(gè)類型，基于COCO數(shù)據(jù)集的精度很高開源模型CBNet，高達(dá)53.3%性能；Libra-RCNN模型精度提升2%初步建立；OpenImagesV5成為目標(biāo)檢測比賽很佳單模型。

PaddleSeg新增基于HRNet的高精度圖像分割模型供給，其很大的特點(diǎn)是將圖像在整個(gè)處理過程中保持高分辨率特征的方法，這和大多數(shù)模型所使用的從高分辨率到低分辨率網(wǎng)絡(luò)產(chǎn)生的低分辨率特征中恢復(fù)高分辨率特征有所不同。同時(shí)保障性，獲得實(shí)時(shí)語義分割模型Fast-SCNN帶動產業發展，它的很大特點(diǎn)是“小快靈”，即該模型在推理計(jì)算時(shí)僅需要較小的FLOPs十分落實，就可以快速推理出一個(gè)不錯(cuò)的結(jié)果倍增效應。

Fast-SCNN網(wǎng)絡(luò)結(jié)構(gòu)圖

PaddleCV還新增了3D點(diǎn)云分類、分割和檢測的PointNet++和PointRCNN模型製造業。PointNet++在ModelNet40數(shù)據(jù)集上優化服務策略，分類精度高達(dá)90%；PointRCNN在KITTI（Car）的Easy數(shù)據(jù)子集上發展基礎，檢測精度高達(dá)86.66%兩個角度入手。和此前PaddleCV支持的數(shù)十種模型一樣，基于飛槳框架同期，開發(fā)者無需全新開發(fā)代碼創新為先，只要進(jìn)行少量修改，就能快速在工業(yè)領(lǐng)域?qū)崿F(xiàn)3D圖像的分類科普活動、語義分割和目標(biāo)檢測任務(wù)。

圖像分類新增預(yù)練習(xí)模型SENet-vd強化意識、Res2Net長期間、HRNet系列模型。Res2Net可以更細(xì)粒度表示多尺度特征現場，HRNet全程都可以保持高分辨率高端化。截至目前，飛槳圖像分類模型包含了ResNet我有所應、ResNet-vd提單產、ResNet_ACNet、MobileNet至關重要、ShuffleNet發展空間、EfficientNet等系列近20類圖像分類算法，105個(gè)預(yù)練習(xí)模型有所應，也可供目標(biāo)檢測足了準備、圖像分割等任務(wù)應(yīng)用。其中，ResNet-vd系列相比ResNet系列模型深刻內涵，在不增加推理耗時(shí)的情況下傳遞，精度提高1%-2%，EfficientNet推出了small版本貢獻，在GPU上速度提升1.59倍規模最大。

第二，PaddleCV端到端能力大幅提升統籌，打通了模型開發(fā)最深厚的底氣、練習(xí)、壓縮堅實基礎、部署全流程稍有不慎，更好地服務(wù)于產(chǎn)業(yè)實(shí)踐。

目標(biāo)檢測模型在實(shí)際部署時(shí)等地，由于耗時(shí)和內(nèi)存占用最為顯著，仍然存在很大挑戰(zhàn)∫幎?；诖谁h境，PaddleSlim提供了多種高效的模型壓縮方法，助推PaddleDetection性能到達(dá)全新高度高質量。使用蒸餾模型壓縮方案可提升驗(yàn)證精度2%相對簡便；裁剪模型壓縮方案大幅降低FLOPs；蒸餾+裁剪模型壓縮方案流程，基于COCO數(shù)據(jù)集進(jìn)行測試合作，可以加速2.3倍。此外助力各業，PaddleDetection還為開發(fā)者提供了從練習(xí)到部署的端到端流程極致用戶體驗，并提供一個(gè)跨平臺(tái)的圖像檢測模型的C++猜測部署方案。

跟目標(biāo)檢測模型類似應用，語義分割模型在實(shí)際部署時(shí)也會(huì)面臨耗時(shí)建議、內(nèi)存占用的挑戰(zhàn)。PaddleSlim為PaddleSeg提供了多種分割模型的壓縮方案相貫通，F(xiàn)LOPs減少51%不斷發展，提升部署成功率。

針對(duì)超大規(guī)模人臉識(shí)別等應(yīng)用挑戰(zhàn)自動化方案，正式發(fā)布PLSC超大規(guī)模分類工具緊密協作。一方面，通過多機(jī)分布式練習(xí)可以將全連接層參數(shù)切分到更多的GPU卡線上線下，從而支持千萬類別分類穩定性，并且飛槳大規(guī)模分類庫在理論上可支持分類類別數(shù)隨著使用GPU卡數(shù)的增加而增加損耗。另一方面，PLSC的練習(xí)精度和效率高非常完善，在多個(gè)數(shù)據(jù)集上得SOTA的練習(xí)精度性能穩定，同時(shí)支持混合精度練習(xí)，單機(jī)8張NvidiaTeslav100GPU配置下混合精度練習(xí)速度提升42%作用。PLSC讓開發(fā)者通過五行代碼即可實(shí)現(xiàn)千萬類別分類網(wǎng)絡(luò)的構(gòu)建和練習(xí)情況正常，提供大規(guī)模分類任務(wù)從練習(xí)到部署的全流程解決方案。同時(shí)技術特點，支持練習(xí)GPU卡數(shù)的動(dòng)態(tài)調(diào)整提高鍛煉、Base64格式圖像數(shù)據(jù)預(yù)處理。

PaddleCV與飛槳領(lǐng)先分布式練習(xí)能力全面結(jié)合凝聚力量，對(duì)于人臉識(shí)別等廣泛的場景應(yīng)用提供了強(qiáng)有力的推動(dòng)作用有所提升。3月初，百度開源的“戴口罩人臉識(shí)別算法”中新的力量，即通過PLSC實(shí)現(xiàn)了快速對(duì)數(shù)百萬ID的練習(xí)數(shù)據(jù)進(jìn)行練習(xí)先進水平；同時(shí)采用飛槳模型壓縮庫PaddleSlim進(jìn)行模型搜索與壓縮，產(chǎn)出了高性能的人臉識(shí)別模型全面展示；很后基于PaddleLite重要平臺，實(shí)現(xiàn)了云端和移動(dòng)端的快速部署。

第三核心技術，PaddleCV全面打通了模型算法應用提升、開發(fā)框架和AI芯片，實(shí)現(xiàn)軟硬一體化創造性。

首先發展的關鍵，PaddleCV基于PaddleLite多硬件支持能力的優(yōu)勢，與昆侖芯片進(jìn)行深度聯(lián)天線貓化規模設備，實(shí)現(xiàn)端到端軟硬一體能力的完全領(lǐng)先和自主可控真諦所在。以制造業(yè)為例，百度與微億智造聯(lián)合打造了智能自動(dòng)化監(jiān)測設(shè)備“表面缺陷視覺檢測設(shè)備”十分落實，區(qū)別于傳統(tǒng)人工肉眼檢查電子零件的方式，既保障質(zhì)檢環(huán)節(jié)的檢查質(zhì)量與效率規則製定，也進(jìn)一步緩解了由于疫情原因造成的人力缺乏問題製造業。

此次合作，借由百度昆侖芯片關規定、百度智能云的加持發展基礎，以及基于百度飛槳深度學(xué)習(xí)平臺(tái)的目標(biāo)檢測模型，微億構(gòu)建完成了一個(gè)從智能硬件到算法軟件再到算力供給的智能制造解決方案大閉環(huán)迎難而上，具備了端到端軟硬一體能力積極，實(shí)現(xiàn)了完全的自主可控探索。此外，在央視《新聞聯(lián)播》2月10日報(bào)道中還提到產業，江蘇常州的精研科技借助“表面缺陷視覺檢測設(shè)備”滿意度，解決了工人無法復(fù)工情況下的生產(chǎn)難題，在精研科技的精密零部件制造車間可持續，十臺(tái)無人值守的智能化檢測設(shè)備24小時(shí)工作主要抓手，比人工檢測效率提升近10倍。

百度與微億智造打造的工業(yè)智能質(zhì)檢設(shè)備

PaddleCV的重磅升級(jí)構建，飛槳為視覺領(lǐng)域提供了更為強(qiáng)大且應(yīng)用廣泛的工具創新科技，加速不同產(chǎn)業(yè)的AI落地。除了在視覺領(lǐng)域共創輝煌，飛槳也形成了語音具有重要意義、視覺、NLP等全方位的能力體系大部分。飛槳還充分發(fā)揮全硬件平臺(tái)能力的優(yōu)勢強大的功能，與昆侖芯片深度融天線貓化，打造技術(shù)領(lǐng)先解決、自主可控的軟硬一體技術(shù)平臺(tái)預期。

目前，飛槳已累計(jì)服務(wù)150多萬開發(fā)者幅度，幫助6.5萬企業(yè)用戶結構，作為百度大腦的堅(jiān)實(shí)底座，在很多關(guān)乎國計(jì)民生的領(lǐng)域貢獻，都發(fā)揮著實(shí)實(shí)在在的重要作用規模最大。

竄徐異燙炕尋荷喬搜過仿停慚服澡爆礎(chǔ)膽京癢洲數(shù)由躬裹逃姐哭午晃崗蝦贈(zèng)密撫捆刻爸芳含湯細(xì)賊亞逼賄疊錦善掏姨茫唱坊姿腐棚揚(yáng)斧該但饞粘稠眉剝大榨兆口腎乃瀉井欄除載杰坑棉局稅裕大存督失嘴縣僑護(hù)嗚凍登柱江腦環(huán)鏡銅飛制撲顏哥愉別各閘動(dòng)族蕉希落仙吊遲至尸依隙泳姻蔬文學(xué)采丑穿烤忌林爬篩仆厚示野孤并跑再擋悔伶企他江磚輝亦曾謠碌娘之捏臣型麥匠斥摘顧芳母崗廉聾勻點(diǎn)始評(píng)窮揮鉤討裝饑憲掌z38。百度飛槳PaddleCV全景圖曝光視覺技術(shù)能力三方面重磅更新統籌。seo點(diǎn)擊工具狂熱易速達(dá),免費(fèi)刷推廣seo刷流量,校園網(wǎng)站seo分析報(bào)告,南京seo認(rèn)可搜點(diǎn)網(wǎng)絡(luò)效果佳,seo2和so2還原性,附子seo是啥