Dans ce rapport, nous présentons PP-YOLOE, un détecteur d'objets de pointe industriel offrant des performances élevées et une mise en œuvre conviviale. Nous avons optimisé ce modèle à partir de la version précédente PP-YOLOv2, en adoptant un paradigme sans ancres (anchor-free), une architecture de backbone plus puissante et un cou (neck) équipé de CSPRepResStage, ET-head et de l'algorithme de répartition dynamique des labels TAL. Nous fournissons des modèles s/m/l/x pour divers scénarios pratiques. En conséquence, le modèle PP-YOLOE-l atteint un mAP de 51,4 sur COCO test-dev et 78,1 FPS sur Tesla V100, réalisant ainsi une amélioration remarquable de (+1,9 AP, +13,35 % d'accélération) et (+1,3 AP, +24,96 % d'accélération) par rapport aux modèles industriels de pointe précédents PP-YOLOv2 et YOLOX respectivement. De plus, la vitesse d'inférence de PP-YOLOE atteint 149,2 FPS avec TensorRT et une précision FP16. Nous avons également mené des expériences approfondies pour vérifier l'efficacité de nos conceptions. Le code source et les modèles pré-entraînés sont disponibles à l'adresse suivante : https://github.com/PaddlePaddle/PaddleDetection.