From 8e162d37a3e647cd544dab6271940b5d93dbd126 Mon Sep 17 00:00:00 2001 From: weishengyu Date: Mon, 1 Nov 2021 16:47:21 +0800 Subject: [PATCH] update column --- README_ch.md | 118 +++++++++++++++------------- docs/zh_CN/others/update_history.md | 6 +- 2 files changed, 66 insertions(+), 58 deletions(-) diff --git a/README_ch.md b/README_ch.md index f0de0e55..f2547c41 100644 --- a/README_ch.md +++ b/README_ch.md @@ -9,37 +9,17 @@ **近期更新** - 2021.10.31 发布[PP-ShiTu技术报告](./docs/PP_ShiTu.pdf)，优化文档，新增饮料识别demo - 2021.10.23 发布PP-ShiTu图像识别系统，新增轻量级检测、特征提取模型，速度提升800%，新增DeepHash模块，检索模块切换为faiss，支持PaddleServing和PaddleSlim -- 2021.09.17 增加PaddleClas自研PP-LCNet系列模型, 这些模型在Intel CPU上有较强的竞争力。PP-LCNet的介绍可以参考[论文](https://arxiv.org/pdf/2109.15099.pdf)或者[PP-LCNet模型介绍](docs/zh_CN/models/PP-LCNet.md)，相关指标和预训练权重可以从 [这里](docs/zh_CN/ImageNet_models_cn.md)下载。 -- 2021.08.11 更新7个[FAQ](docs/zh_CN/faq_series/faq_2021_s2.md)。 -- 2021.06.29 添加Swin-transformer系列模型，ImageNet1k数据集上Top1 acc最高精度可达87.2%；支持训练预测评估与whl包部署，预训练模型可以从[这里](docs/zh_CN/models/models_intro.md)下载。 -- 2021.06.22,23,24 PaddleClas官方研发团队带来技术深入解读三日直播课。课程回放：[https://aistudio.baidu.com/aistudio/course/introduce/24519](https://aistudio.baidu.com/aistudio/course/introduce/24519) -- 2021.06.16 PaddleClas v2.2版本升级，集成Metric learning，向量检索等组件。新增商品识别、动漫人物识别、车辆识别和logo识别等4个图像识别应用。新增LeViT、Twins、TNT、DLA、HarDNet、RedNet系列30个预训练模型。 +- 2021.09.17 增加PaddleClas自研PP-LCNet系列模型, 这些模型在Intel CPU上有较强的竞争力。PP-LCNet的介绍可以参考[论文](https://arxiv.org/pdf/2109.15099.pdf), 或者[PP-LCNet模型介绍](docs/zh_CN/models/PP-LCNet.md)，相关指标和预训练权重可以从 [这里](docs/zh_CN/ImageNet_models_cn.md)下载。 - [more](./docs/zh_CN/others/update_history.md) - -## PP-ShiTu轻量级图像识别系统 - -
- -
- -- 图像识别系统：集成了目标检测、特征学习、图像检索等模块，一套模型适用多个场景，下载即用。 - -- 轻量级检测、特征提取模型：CPU预测速度大幅提升，部分场景速度较上一版模型提升800%，精度打平。 - -
- -
- -- 整个图像识别系统分为三步： - 1. 通过一个目标检测模型，检测图像物体候选区域 - 2. 对每个候选区域进行特征提取 - 3. 与检索库中图像进行特征匹配，提取识别结果。 - - 对于新的未知类别，无需重新训练模型，只需要在检索库补入该类别图像，重新建立检索库，就可以识别该类别。 +## 特性 -- 更详细的内容请参见我们的[技术报告](./docs/PP_ShiTu.pdf) +- PP-ShiTu轻量图像识别系统：集成了目标检测、特征学习、图像检索等模块，广泛适用于各类图像识别任务。 +较上一版模型，CPU预测效率大幅提升，部分设备速度提升可达8倍。详情见[PP-ShiTu: A Practical Lightweight Image Recognition System](./docs/PP_ShiTu.pdf) -## PaddleClas特性 +- PP-LCNet轻量级CPU骨干网络：专门为CPU设备打造轻量级骨干网络，速度、精度均超越竞品。 +详情见[PP-LCNet: A Lightweight CPU Convolutional Neural Network](https://arxiv.org/pdf/2109.15099.pdf), +或者[PP-LCNet模型介绍](docs/zh_CN/models/PP-LCNet.md)。 - 丰富的预训练模型库：提供了35个系列共164个ImageNet预训练模型，其中6个精选系列模型支持结构快速修改。 @@ -50,6 +30,12 @@ Res2Net200_vd预训练模型Top-1精度高达85.1%。 - 数据增广：支持AutoAugment、Cutout、Cutmix等8种数据增广算法详细介绍、代码复现和在统一实验环境下的效果评估。 + +
+ +
+ + ## 欢迎加入技术交流群 * 您可以扫描下面的微信群二维码， 加入PaddleClas 微信交流群。获得更高效的问题答疑，与各行各业开发者充分交流，期待您的加入。 @@ -61,42 +47,65 @@ Res2Net200_vd预训练模型Top-1精度高达85.1%。 ## 快速体验 图像识别快速体验：[点击这里](./docs/zh_CN/quick_start/quick_start_recognition.md) -## 文档教程 - -- [快速安装](./docs/zh_CN/installation/install_paddleclas.md) -- [图像识别快速体验](./docs/zh_CN/quick_start/quick_start_recognition.md) -- [PP-ShiTu图像识别系统介绍](#图像识别系统介绍) -- [识别效果展示](#识别效果展示) -- 图像分类快速体验 +- 安装说明 + - [安装Paddle](./docs/zh_CN/installation/install_paddle.md) + - [安装PaddleClas](./docs/zh_CN/installation/install_paddleclas.md) +- 快速体验 + - [图像识别快速体验](./docs/zh_CN/quick_start/quick_start_recognition.md) + - 图像分类快速体验 - [尝鲜版](./docs/zh_CN/quick_start/quick_start_classification_new_user.md) - - [进阶版](./docs/zh_CN/quick_start/quick_start_classification_professional.md) -- 算法介绍 - - [骨干网络和预训练模型库](./docs/zh_CN/algorithm_introduction/ImageNet_models.md) - - [主体检测](./docs/zh_CN/image_recognition_pipeline/mainbody_detection.md) - - [图像分类](./docs/zh_CN/algorithm_introduction/image_classification.md) - - [特征学习](./docs/zh_CN/algorithm_introduction/metric_learning.md) - - [向量检索](./deploy/vector_search/README.md) -- 模型训练/评估 + - [进阶版](./docs/zh_CN/quick_start/quick_start_classification_professional.md) +- [PP-ShiTu图像识别系统介绍](#图像识别系统介绍) + - [主体检测](./docs/zh_CN/algorithm_introduction/mainbody_detection.md) + - [特征学习](./docs/zh_CN/algorithm_introduction/metric_learning.md) + - [向量检索](./deploy/vector_search/README.md) +- 数据准备 + - [图像分类数据集介绍](./docs/zh_CN/data_preparation/classification_dataset.md) + - [图像识别数据集介绍](./docs/zh_CN/data_preparation/recognition_dataset.md) +- 模型训练 - [图像分类任务](./docs/zh_CN/models_training/classification.md) - - [特征学习任务](./docs/zh_CN/models_training/recognition.md) -- 模型预测 - - [基于Python预测引擎预测推理](./docs/zh_CN/inference_deployment/python_deploy.md) - - [基于C++预测引擎预测推理](./deploy/cpp/readme.md)(当前只支持图像分类任务，图像识别更新中) -- 模型部署 - - [Paddle Serving服务化部署(推荐)](./docs/zh_CN/inference_deployment/paddle_serving_deploy.md) - - [Hub serving服务化部署](./docs/zh_CN/inference_deployment/paddle_hub_serving_deploy.md) + - [图像识别任务](./docs/zh_CN/models_training/recognition.md) + - [训练参数调整策略](./docs/zh_CN/models_training/train_strategy.md) + - [配置文件说明](./docs/zh_CN/models_training/config_description.md) +- 模型预测部署 + - [模型导出](./docs/zh_CN/inference_deployment/export_model.md) + - Python/C++ 预测引擎 + - [基于Python预测引擎预测推理](./docs/zh_CN/inference_deployment/python_deploy.md) + - [基于C++预测引擎预测推理](./docs/zh_CN/inference_deployment/cpp_deploy.md)(当前只支持图像分类任务，图像识别更新中) + - 服务化部署 + - [Paddle Serving服务化部署(推荐)](./docs/zh_CN/inference_deployment/paddle_serving_deploy.md) + - [Hub serving服务化部署](./docs/zh_CN/inference_deployment/paddle_hub_serving_deploy.md) - [端侧部署](./deploy/lite/readme.md) - [whl包预测](./docs/zh_CN/inference_deployment/whl_deploy.md) +- 算法介绍 + - [图像分类任务介绍](./docs/zh_CN/algorithm_introduction/image_classification.md) + - [度量学习介绍](./docs/zh_CN/algorithm_introduction/metric_learning.md) + - [骨干网络和预训练模型库](./docs/zh_CN/algorithm_introduction/ImageNet_models.md) - 高阶使用 - - [知识蒸馏](./docs/zh_CN/advanced_tutorials/knowledge_distillation.md) - - [模型量化](./docs/zh_CN/advanced_tutorials/model_prune_quantization.md) - [数据增广](./docs/zh_CN/advanced_tutorials/DataAugmentation.md) + - [模型量化](./docs/zh_CN/advanced_tutorials/model_prune_quantization.md) + - [知识蒸馏](./docs/zh_CN/advanced_tutorials/knowledge_distillation.md) + - [PaddleClas结构解析](./docs/zh_CN/advanced_tutorials/code_overview.md) + - [社区贡献指南](./docs/zh_CN/advanced_tutorials/how_to_contribute.md) - FAQ - - [图像识别任务FAQ](docs/zh_CN/faq_series/faq_2021_s2.md) - - [图像分类任务FAQ](docs/zh_CN/faq_series/faq.md) + - [图像识别精选问题](docs/zh_CN/faq_series/faq_2021_s2.md) + - [图像分类精选问题](docs/zh_CN/faq_series/faq.md) + - [图像分类FAQ第一季](docs/zh_CN/faq_series/faq_2020_s1.md) + - [图像分类FAQ第二季](docs/zh_CN/faq_series/faq_2021_s1.md) - [许可证书](#许可证书) - [贡献代码](#贡献代码) + +## PP-ShiTu图像识别系统介绍 + +
+ +
+ +整个图像识别系统分为三步：（1）通过一个目标检测模型，检测图像物体候选区域（2）对每个候选区域进行特征提取（3）与检索库中图像进行特征匹配，提取识别结果。 + +对于新的未知类别，无需重新训练模型，只需要在检索库补入该类别图像，重新建立检索库，就可以识别该类别。 + ## 更多效果展示 [more](https://github.com/PaddlePaddle/PaddleClas/tree/release/2.2/docs/images/recognition/more_demo_images) - 瓶装饮料识别 @@ -137,10 +146,7 @@ Res2Net200_vd预训练模型Top-1精度高达85.1%。 我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。 如果想为PaddleCLas贡献代码，可以参考[贡献指南](./docs/zh_CN/advanced_tutorials/how_to_contribute.md)。 - - 非常感谢[nblib](https://github.com/nblib)修正了PaddleClas中RandErasing的数据增广配置文件。 - 非常感谢[chenpy228](https://github.com/chenpy228)修正了PaddleClas文档中的部分错别字。 - 非常感谢[jm12138](https://github.com/jm12138)为PaddleClas添加ViT，DeiT系列模型和RepVGG系列模型。 - 非常感谢[FutureSI](https://aistudio.baidu.com/aistudio/personalcenter/thirdview/76563)对PaddleClas代码的解析与总结。 - -我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。 diff --git a/docs/zh_CN/others/update_history.md b/docs/zh_CN/others/update_history.md index cd781a66..11dc6ff5 100644 --- a/docs/zh_CN/others/update_history.md +++ b/docs/zh_CN/others/update_history.md @@ -1,6 +1,8 @@ # 更新日志 - - +- 2021.08.11 更新7个[FAQ](docs/zh_CN/faq_series/faq_2021_s2.md)。 +- 2021.06.29 添加Swin-transformer系列模型，ImageNet1k数据集上Top1 acc最高精度可达87.2%；支持训练预测评估与whl包部署，预训练模型可以从[这里](docs/zh_CN/models/models_intro.md)下载。 +- 2021.06.22,23,24 PaddleClas官方研发团队带来技术深入解读三日直播课。课程回放：[https://aistudio.baidu.com/aistudio/course/introduce/24519](https://aistudio.baidu.com/aistudio/course/introduce/24519) +- 2021.06.16 PaddleClas v2.2版本升级，集成Metric learning，向量检索等组件。新增商品识别、动漫人物识别、车辆识别和logo识别等4个图像识别应用。新增LeViT、Twins、TNT、DLA、HarDNet、RedNet系列30个预训练模型。 - 2021.04.15 - 添加`MixNet_L`和`ReXNet_3_0`系列模型，在ImageNet-1k上`MixNet` 模型Top1 Acc可达78.6%，`ReXNet`模型可达82.09% - 2021.01.27 -- GitLab