PPYOLOE是一种基于YOLO系列的目标检测算法，由百度自研的PaddlePaddle深度学习框架发布。以下是PPYOLOE的一些关键特点和信息：

  1. 算法概述：

  2. 模型特点：

    • 锚框机制：PPYOLOE采用Anchor-free机制，即在每个像素上放置一个锚点，为三个检测头设置GT尺寸的上界和下界。
    • 标签分配：PPYOLOE在训练的不同阶段使用不同的标签分配策略，如ATSSAssigner与TaskAlignedAssigner。

  3. PPYOLOE+：

    • PPYOLOE+是PPYOLOE的预训练版本，其模型结构配置文件与PPYOLOE相同，只是在backbone中block分支中增加alpha参数。
    • PPYOLOE+在object365中进行了预训练，其static_assigner_epoch为30，而PPYOLOE为100，表明PPYOLOE+对ATSSAssigner的依赖降低。

  4. 总损失：

    • PPYOLOE的总损失包括分类损失、回归损失和DFL损失，其中a表示分类损失的权重系数，b表示回归损失的权重系数，c表示DFL损失的权重系数。

  5. 模型推理与部署：

    • PPYOLOE支持模型推理和部署，提供了单张图片推理和目录下所有图片推理的命令。
    • 支持导出ONNX格式，方便在不同平台和设备上进行部署。

PPYOLOE以其高效和准确的目标检测能力，在业界得到了广泛的关注和应用。