PaddleX来了！车辆检测、手势识别全都能搞定

2020 年 7 月 13 日 CVer

大家都知道，深度学习各种香，但是在学习了各种大神课程之后，到项目实践阶段，大家是不是又被pia~pia~打脸了？就像是我刚从驾校毕业之后，本以为我也可以在秋名山上潇洒的得儿漂得儿漂得儿意得漂~然鹅，车到手的那一刻，我彻底懵了。新手和老司机的差距有多大呢？

各种高手告诉我一个新手如何用排水沟漂移绝对无异于耍流氓。

而深度学习算法的开发也是一样一样的，在我学习漂移之前，请先告诉我如何在拐弯的时候躲避背着白菜的老太太好么？

PaddleX：深度学习全流程开发工具

飞桨为各种水平、各种诉求的开发者都提供了适合的工具，因此也受到了广大开发者的喜爱。PaddleX就是一个对需要快速应用深度学习技术实现项目落地的开发者而设计的神器。

如果说飞桨的算法套件是包含了扳手、钳子等工具箱，那么PaddleX便更像是流水线上组装好的智能机械臂。其集成了PaddleClas、PaddleDetection、PaddleSeg、PaddleSlim、Paddle Lite等模块的能力，还把飞桨团队在这么多年积累下来的实操经验及技术能力，全部打包收录进来。从数据准备、模型训练与优化到多端部署，将深度学习开发全流程实现了端到端的打通，并且在开发流程各个环节中提供了最简洁、易用的API设计，将深度学习的能力输出给开发者。更特别的，飞桨团队还为大家实现了一个图形化GUI Demo，不仅可以使大家快速体验深度学习带来的益处，也为需要自主研发类似图形化界面/软件的开发者提供了很好的参照模板。把深度学习开发门槛直接拉到地板，这就是PaddleX带来的惊喜体验。

延续飞桨社区开源开放的理念，PaddleX也很好的考虑了开发者对他进行集成、改造的便捷度，当PaddleX这样的一套工具到了高手的手里，那更是可以玩出花的存在。

也是因为这样的设计，PaddleX吸引了广泛的开源社区开发者参与到了开源社区的共建中来。

从入门到把门拆了，PaddleX的破门而入

在AI Studio上，一位大神在玩腻了键盘鼠标操作的游戏之后，就利用PaddleX训练完成了手势识别模型，实现了用手势控制吃豆豆游戏！

吃豆豆这个游戏曾经承载了很多人童年的欢乐。而通过PaddleX，开发者可以在自家笔记本摄像头收集手势数据制作数据集，然后使用PaddleX提供的ResNet18进行模型训练；训练完成后，在本地运行demo.py即可进行测试和优化流程，然后将该控制嵌入到游戏里便可以利用手势来玩吃豆豆了！

PaddleX的能力远不止于此，不仅可以在二次元里大发神威，在现实世界对实际产业的助攻能力也一样让人目眩。无人驾驶技术是深度学习应用广泛的一个领域，其相比游戏操控自然复杂度更高。而通过PaddleX提供的诸多经过飞桨团队融合产业实践经验，集中优化打磨过的模型，实现车辆检测和车道线分割，整体开发效率和算法精度都有明显的收益！

而咱们所讲的“吃豆豆大神”，就应用 UA-DETRAC 车辆检测开源数据集，通过PaddleX进行模型训练，得到能够准确检测轿车，面包车，大巴等不同类型车辆的算法，mAP达到0.799；更进一步的，大神还实现了智慧交通平台！利用监控摄像头的数据，可以实现车牌识别、闯红灯检测、逆行检测、超速检测、车流统计和行人检测等功能！