Apache License 2.0

项目介绍

PaddlePaddle/PaddleVideo 是一个托管在 GitHub 上的开源项目,主要使用 Python 编写,采用 Apache License 2.0 许可证,目前获得 1.7k 个 Star、379 次 Fork。

仓库全名
PaddlePaddle/PaddleVideo
开源许可证
Apache License 2.0
Star 数
1.7k
Fork 数
379
未关闭 Issue
185

README 摘要

English | 中文 PaddleVideo 简介 PaddleVideo旨在打造一套丰富、领先且实用的Video工具库,旨在帮助开发者更好的进行视频领域的学术研究和产业实践。 近期更新 开源视频标注工具🌟BILS,欢迎下载安装包体验~ 发布轻量化行为识别模型🔥PP-TSMv2, Kinetics-400精度75.16%,25fps的10s视频cpu推理时间仅需456ms.各模型性能对比benchmark. 新增知识蒸馏功能. 新增基于transformer的行为识别模型TokenShift. 新增基于骨骼点的行为识别模型2s-ACGN、CTR-GCN. 新增单阶段时空动作检测模型YOWO. 👀 🌟 《产业级视频技术与应用案例》系列课程回放链接: https://aistudio.baidu.com/aistudio/course/introduce/6742 🌟 ​ 💖 欢迎大家扫码入群讨论 💖…

完整内容见 GitHub 原始 README 或本页 。

常见问题

PaddleVideo 用什么语言开发?

主要使用 Python 编写,采用 Apache License 2.0 许可证,目前有 1.7k 个 Star。

PaddleVideo 可以免费商用吗?

仓库采用 Apache License 2.0 许可证,可免费使用与修改,商业使用请遵守许可证条款(例如保留版权声明与许可声明)。

如何获取 PaddleVideo 的源码?

可以直接克隆仓库:git clone https://github.com/PaddlePaddle/PaddleVideo.git,默认分支为 develop;安装与运行步骤见仓库 README。

PaddleVideo 最近还在维护吗?

仓库最近一次更新为 2025年2月12日,当前有 185 个未关闭 Issue;Star 数为 1.7k,可作为社区活跃度的参考。

关于

GitHub 原始描述(英文)

Awesome video understanding toolkits based on PaddlePaddle. It supports video data annotation tools, lightweight RGB and skeleton based action recognition model, practical applications for video tagging and sport action detection.

描述取自 GitHub 官方 API,保持仓库作者书写的原文。

语言占比

C++
CMake
Python
Shell

Release

README

English | 中文

PaddleVideo

python version paddle version

简介

PaddleVideo旨在打造一套丰富、领先且实用的Video工具库,旨在帮助开发者更好的进行视频领域的学术研究和产业实践。


近期更新

  • 开源视频标注工具🌟BILS,欢迎下载安装包体验~
  • 发布轻量化行为识别模型🔥PP-TSMv2, Kinetics-400精度75.16%,25fps的10s视频cpu推理时间仅需456ms.各模型性能对比benchmark.
  • 新增知识蒸馏功能.
  • 新增基于transformer的行为识别模型TokenShift.
  • 新增基于骨骼点的行为识别模型2s-ACGN、CTR-GCN.
  • 新增单阶段时空动作检测模型YOWO.

👀 🌟 《产业级视频技术与应用案例》系列课程回放链接: https://aistudio.baidu.com/aistudio/course/introduce/6742 🌟

​ 💖 欢迎大家扫码入群讨论 💖

  • 添加成功后回复【视频】加入交流群

特性

支持多种Video相关前沿算法,在此基础上打造产业级特色模型PP-TSM和PP-TSMv2,并打通数据生产、模型训练、压缩、预测部署全流程。

快速开始

场景应用

PaddleVideo场景应用覆盖体育、互联网、工业、医疗行业,在PP-TSM的基础能力之上,以案例的形式展示利用场景数据微调、模型优化方法、数据增广等内容,为开发者实际落地提供示范与启发。详情可查看应用。

文档教程

许可证书

本项目的发布受Apache 2.0 license许可认证。

评论

暂无评论