百度AI快车道深圳“上映”，实力展现图像检测库快速部署应用

从前，我们需要通过输入关键词进行购物、查找图片，但许多物品中的信息往往很难通过文字准确描述出来，而现在，我们可以通过图片搜索快速地在购物网站“扒”出明星同款、精准找到相同或相似的图片。这种“以图搜图”方式的背后其实是依靠着人工智能领域——目标检测技术的帮助。

目标检测是机器视觉领域的核心方向之一，受到了许多企业和开发者的关注。百度飞桨在今年11月推出了4大面向产业应用场景的端到端开发套件，其中就包括了目标检测开发套件PaddleDetection。其集成了目前主流的框架模型，可实现物体检测应用任务的全流程开发、训练和部署，帮助开发者更快上手，进一步节省开发成本和门槛，加快实现应用落地。12月14日，百度 AI 快车道企业深度学习实战营携PaddleDetection图像检测库来到深圳，由两位百度高级工程师带领一众开发者对其进行全面解析与实战应用交流。

（PaddleDetection全景图）

活动开始，来自百度的“大咖”讲师先从百度深度学习平台飞桨引出今天的主角——PaddleDetection图像检测库。据介绍，PaddleDetection是基于飞桨的图像检测库，包含了主流检测算法以及一系列优化组件，其具备了模块化设计、模型丰富、高性能、工业级部署的特性，覆盖目前主流的目标检测技术，并在两阶段方案预测速度较慢，单阶段方案训练效率不高、小目标检测困难、定位不准等缺点上进行改良，可以供开发者根据实际情况灵活选用。

（PaddleDetection特点）

现场讲师还补充介绍，开发者在PaddleDetection图像检测库中可以通过参数配置的方式组合不同检测模块，模型库中还提供了丰富的主干网络和预训练模型，并在ResNet网络、YOLOv3算法等基础上进行演进增强，不断优化精度和预测速度。基于飞桨的高性能推理引擎的部署方案，PaddleDetection对于Linux和Windows都提供了良好的支持，使得训练和部署可以无缝衔接，整个开发过程也变得十分高效。

（PaddleDetection模型丰富特点）

本次AI快车道活动在老师讲解的过程中设置了多个互动环节，在介绍了PaddleDetection大致情况后，讲师向开发者提出“小考验”：说出PaddleDetection目前支持算法最多的开发者即可获得纪念礼品。一位从事液晶屏质检研究的开发者一口气将PaddleDetection支持的YOLOv3、Cascade-Faster RCNN等10种算法“全盘托出”，其中还附加回答了百度自研的Object365-2019冠军模型，现场其他小伙伴投来羡慕的目光。

（百度AI快车道PaddleDetection深圳活动现场）

随后的实验操作环节，百度资深研发工程师通过YOLOv3 AI识虫项目，带领大家展开了的实战演练。从数据准备开始、到训练、推理、评估、预测得出结果，讲师从讲台走到场下指导开发者进行实践。据讲师介绍，PaddleDetection支持单张图片预测和图片目录批量预测，开发者可在数据全部跑完后查看训练效果，不再需要单次运行后便查看一次效果的重复操作，大大节省了时间成本。除此之外，PaddleDetection还支持图片可视化功能，使得预测结果更清晰直观，目前已经在智慧交通、安防监控和商品检索上实现落地应用。

（AI识虫项目图片可视化效果）

不少开发者在实践后认为，PaddleDetection快速部署的特性在手机端的应用上可能发挥很大优势；课后，一位从事零售行业研究的开发者表示PaddleDetection对于环境的部署十分简单，可以兼容多个版本，对使用者而言方便了许多。有学员表示，PaddleDetection模块化设计的特点，更有利于各行业通过不同的框架模型进行探索。此外，许多学员表示很早前已经听说过百度AI快车道，也希望AI快车道接下来能有更多应用方向的课程在深圳展开，带来更多的干货分享。

据了解，百度 AI 快车道企业深度学习实战营是百度依托自身深厚的深度学习技术实践经验，面向有 AI 技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划，学习内容囊括10套工程实施与深度学习技术落地结合的详细方案，覆盖百度领先的AI技术和业务应用场景的深入剖析，如OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等。实训营既有对源于百度业务实践的深度学习平台飞桨的性能优势、模型优势、生态优势的解读；百度自研和*学术会议魁首算法、预训练模型的详细介绍，还有与案例和算法紧密相扣的在线实验，并以“学来即用”的课程，进行业务问题定位、框架及算法的快速应用培训，为更多企业带去深度学习技术和经验分享。