超越YOLOv5，0.7M超轻量，又好又快

目标检测作为计算机视觉领域的研究热点之一，不仅可以独立完成车辆、商品、缺陷检测等任务，也是人脸识别、视频分析、以图搜图等复合技术的核心模块，在自动驾驶、工业视觉、安防交通等领域的应用价值有目共睹。

当下YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet等优秀算法层出不穷，各有优劣侧重。但小伙伴们一般在解决实际问题时都需要考虑运行速度、模型计算量及轻量化等问题，因此，到底该怎么选呢？

算法对比：

知识干货：

1.PP-YOLOE：高精度SOTA目标检测模型！！

PP-YOLOE根据不同应用场景设计了s/m/l/x，4个尺寸的模型来支持不同算力水平的硬件，无论是哪个尺寸，精度-速度都超越当前所有同等计算量下的YOLO模型！

代码链接：https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe

2.PP-PicoDet：0.7M超超超轻量SOTA目标检测模型！！！

PP-PicoDet具备超乎想象的超小体积及超预期的性能，使PP-PicoDet成为边缘、低功耗硬件部署的最佳选择。

代码链接：PaddleDetection/configs/picodet at release/2.4 · PaddlePaddle/PaddleDetection · GitHub