update column

8e162d37 · weishengyu · c0147305 · 8e162d37 · 8e162d37
隐藏空白更改
内联并排

Showing with 66 addition and 58 deletion

README_ch.md README_ch.md +62 -56

docs/zh_CN/others/update_history.md docs/zh_CN/others/update_history.md +4 -2

未找到文件。
--- 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)

-<a name="图像识别系统介绍"></a>
-## PP-ShiTu轻量级图像识别系统
-
-<div align="center">
-<img src="./docs/images/recognition.gif"  width = "400" />
-</div>
-
- 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。
-
-<div align="center">
-<img src="./docs/images/structure.jpg"  width = "800" />
-</div>
-
- 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。

+
+<div align="center">
+<img src="./docs/images/recognition.gif"  width = "400" />
+</div>
+
+
 ## 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)

+<a name="图像识别系统介绍"></a>
+## PP-ShiTu图像识别系统介绍
+
+<div align="center">
+<img src="./docs/images/structure.jpg"  width = "800" />
+</div>
+
+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。
+
 <a name="识别效果展示"></a>
 ## 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。
--- a/docs/zh_CN/others/update_history.md
+++ b/docs/zh_CN/others/update_history.md
 # 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