更新日志¶
v1.3.0 2020.12.20
模型更新
- 图像分类模型ResNet50_vd新增10万分类预训练模型
- 目标检测模型FasterRCNN新增模型裁剪支持
- 目标检测模型新增多通道图像训练支持
模型部署更新
- 修复OpenVINO部署C++代码中部分Bug
- 树莓派部署新增Arm V8支持
产业案例更新
- 新增工业质检产业案例,提供基于GPU和CPU两种部署场景下的工业质检方案,及与质检相关的优化策略 详情链接
- 新增RestFUL API模块 新增RestFUL API模块,开发者可通过此模块快速开发基于PaddleX的训练平台
v1.2.0 2020.09.07
模型更新
- 新增产业最实用目标检测模型PP-YOLO,深入考虑产业应用对精度速度的双重面诉求,COCO数据集精度45.2%,Tesla V100预测速度72.9FPS。详情链接
- FasterRCNN、MaskRCNN、YOLOv3、DeepLabv3p等模型新增内置COCO数据集预训练模型,适用于小数据集的微调训练。
- 目标检测模型FasterRCNN和MaskRCNN新增backbone HRNet_W18,适用于对细节预测要求较高的应用场景。详情链接
- 语义分割模型DeepLabv3p新增backbone MobileNetV3_large_ssld,模型体积9.3MB,Cityscapes数据集精度仍保持有73.28%。详情链接
模型部署更新
产业案例更新
其它
- 新增数据集切分功能,支持通过命令行一键切分ImageNet、PascalVOC、MSCOCO和语义分割数据集详情链接
v1.1.0 2020.07.12
- 模型更新
- 新增语义分割模型HRNet、FastSCNN
- 目标检测FasterRCNN、实例分割MaskRCNN新增backbone HRNet
- 目标检测/实例分割模型新增COCO数据集预训练模型
- 集成X2Paddle,PaddleX所有分类模型和语义分割模型支持导出为ONNX协议
- 模型部署更新
- 模型加密增加支持Windows平台
- 新增Jetson、Paddle Lite模型部署预测方案
- C++部署代码新增batch批预测,并采用OpenMP对预处理进行并行加速
- 新增2个PaddleX产业案例
- 新增数据格式转换功能,LabelMe、精灵标注助手和EasyData平台标注的数据转为PaddleX支持加载的数据格式
- PaddleX文档更新,优化文档结构
v1.0.0 2020.05.20
- 增加模型C++部署和Python部署代码
- 增加模型加密部署方案
- 增加分类模型的OpenVINO部署方案
- 增加模型可解释性的接口
v0.1.8 2020.05.17
- 修复部分代码Bug
- 新增EasyData平台数据标注格式支持
- 支持imgaug数据增强库的pixel-level算子