• PaddleX API
  • 新增检测任务和实例分割任务的预测结果可视化、以及预测错误原因分析，辅助分析模型效果
  • 新增检测任务的负样本优化，抑制背景区域的误检
  • 完善语义分割任务的预测结果，支持返回预测类别和归一化后的预测置信度
  • 完善图像分类任务的预测结果，支持返回归一化后的预测置信度
• 预测部署
  • 完备PaddleX python预测部署, PaddleX模型使用2个API即可快速完成部署
  • PaddleX C++部署全面升级，支持飞桨视觉套件PaddleDetection、PaddleClas、PaddleSeg、PaddleX的端到端统一部署能力
  • 全新发布Manufacture SDK，提供工业级多端多平台部署加速的预编译飞桨部署开发包（SDK），通过配置业务逻辑流程文件即可以低代码方式快速完成推理部署
• PaddleX GUI
  • 升级PaddleX GUI，支持30系列显卡
  • 目标检测任务新增模型PP-YOLO V2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS
  • 目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny
  • 语义分割任务新增实时分割模型BiSeNetV2
  • 新增导出API训练脚本功能，无缝切换PaddleX API训练
• 产业实践案例
  • 新增以目标检测任务为主的钢筋计数、缺陷检测案例教程
  • 新增以实例分割任务为主的机械手抓取案例教程
  • 新增串联目标检测、语义分割、传统视觉算法的工业表计读数的训练和部署案例教程
  • 新增Windows系统下使用C#语言部署案例教程

• 全面支持飞桨2.0动态图，更易用的开发模式
• 目标检测任务新增PP-YOLOv2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS
• 目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny
• 语义分割任务新增实时分割模型BiSeNetV2
• C++部署模块全面升级
  • PaddleInference部署适配2.0预测库（使用文档）
  • 支持飞桨PaddleDetection、PaddleSeg、PaddleClas以及PaddleX的模型部署
  • 新增基于PaddleInference的GPU多卡预测（使用文档）
  • GPU部署新增基于ONNX的的TensorRT高性能加速引擎部署方式（使用文档）
  • GPU部署新增基于ONNX的Triton服务化部署方式（使用文档）

• 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

• 增加基于RestFUL API的HTML Demo 详情链接
• 增加基于RestFUL API的Remote版可视化客户端 详情链接 新增模型通过OpenVINO的部署方案详情链接

• 模型更新

  • 新增目标检测模型PPYOLO详情链接
  • FasterRCNN、MaskRCNN、YOLOv3、DeepLabv3p等模型新增内置COCO数据集预训练模型
  • 目标检测模型FasterRCNN和MaskRCNN新增backbone HRNet_W18详情链接
  • 语义分割模型DeepLabv3p新增backbone MobileNetV3_large_ssld详情链接

• 模型部署更新

  • 新增模型通过OpenVINO的部署方案详情链接
  • 新增模型在树莓派上的部署方案详情链接
  • 优化PaddleLite Android部署的数据预处理和后处理代码性能
  • 优化Paddle服务端C++代码部署代码，增加use_mkl等参数，通过mkldnn显著提升模型在CPU上的预测性能

• 产业案例更新

  • 新增RGB图像遥感分割案例详情链接
  • 新增多通道遥感分割案例详情链接

• 其它

  • 新增数据集切分功能，支持通过命令行切分ImageNet、PascalVOC、MSCOCO和语义分割数据集详情链接

• 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、PaddleLite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

• 人像分割案例
• 工业表计读数案例

• 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

PaddleX 1.0正式版发布

PaddleX是基于飞桨核心框架、开发套件和工具组件的深度学习全流程开发工具。具备全流程打通、融合产业实践、易用易集成三大特点。

特点

• 全流程打通

  • 数据准备：支持EasyData智能数据服务平台数据协议，通过平台便捷完成智能标注,低质数据清洗工作, 同时兼容主流标注工具协议, 助力开发者更快完成数据准备工作。
  • 模型训练：集成PaddleClas, PaddleDetection, PaddleSeg视觉开发套件，丰富的高质量预训练模型，更快实现工业级模型效果。
  • 模型调优：内置模型可解释性模块、VisualDL可视化分析组件, 提供丰富的信息更好地理解模型，优化模型。
  • 多端安全部署：内置PaddleSlim模型压缩工具和模型加密部署模块，结合Paddle Inference或Paddle Lite便捷完成高性能的多端安全部署。

• 融合产业实践

  • 精选飞桨产业实践的成熟模型结构，开放案例实践教程，加速开发者产业落地。

• 易用易集成

  • 统一易用的全流程API，5步完成模型训练，10行代码实现Python/C++高性能部署。
  • 提供以PaddleX为核心集成的跨平台可视化工具PaddleX-GUI，快速体验飞桨深度学习全流程。