Merge pull request #2007 from weisy11/develop

update readme_zh

README_ch.md

@@ -6,11 +6,24 @@
 
 飞桨图像识别套件PaddleClas是飞桨为工业界和学术界所准备的一个图像识别任务的工具集，助力使用者训练出更好的视觉模型和应用落地。
 
-**近期更新**
-- 🔥️ 2022.5.26 [飞桨产业实践范例直播课](http://aglc.cn/v-c4FAR)，解读**超轻量重点区域人员出入管理方案**，欢迎报名来交流。
-  <div align="center">
-    <img src="https://user-images.githubusercontent.com/80816848/170166458-767a01ca-1429-437f-a628-dd184732ef53.png"  width = "150" />
-  </div>
+<div align="center">
+<img src="./docs/images/class_simple.gif"  width = "600" />
+
+PULC实用图像分类模型效果展示
+</div>
+&nbsp;
+
+
+<div align="center">
+<img src="./docs/images/recognition.gif"  width = "400" />
+
+PP-ShiTu图像识别系统效果展示
+</div>
+
+
+## 近期更新
+- 🔥️ 2022.6.15 发布PULC超轻量图像分类方案，CPU推理3ms，精度比肩SwinTransformer，覆盖人、车、OCR场景九大常见任务
+- 2022.5.26 [飞桨产业实践范例直播课](http://aglc.cn/v-c4FAR)，解读**超轻量重点区域人员出入管理方案**。
 - 2022.5.23 新增[人员出入管理范例库](https://aistudio.baidu.com/aistudio/projectdetail/4094475)，具体内容可以在 AI Stuio 上体验。
 - 2022.5.20 上线[PP-HGNet](./docs/zh_CN/models/PP-HGNet.md), [PP-LCNet v2](./docs/zh_CN/models/PP-LCNetV2.md)
 - 2022.4.21 新增 CVPR2022 oral论文 [MixFormer](https://arxiv.org/pdf/2204.02557.pdf) 相关[代码](https://github.com/PaddlePaddle/PaddleClas/pull/1820/files)。
@@ -23,20 +36,8 @@
 
 ## 特性
 
-- 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。cpu上0.2s即可完成在10w+库的图像识别。
-
-- 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、精度均远超竞品。
-
-- 丰富的预训练模型库：提供了36个系列共175个ImageNet预训练模型，其中7个精选系列模型支持结构快速修改。
-
-- 全面易用的特征学习组件：集成arcmargin, triplet loss等12度量学习方法，通过配置文件即可随意组合切换。
-
-- SSLD知识蒸馏：14个分类预训练模型，精度普遍提升3%以上；其中ResNet50_vd模型在ImageNet-1k数据集上的Top-1精度达到了84.0%，
-Res2Net200_vd预训练模型Top-1精度高达85.1%。
-
-<div align="center">
-<img src="./docs/images/recognition.gif"  width = "400" />
-</div>
+支持多种图像分类、识别相关算法，在此基础上打造[PULC超轻量图像分类方案](./docs/zh_CN/PULC/PULC_train.md)和[PP-ShiTu图像识别系统](./docs/zh_CN/quick_start/quick_start_recognition.md)
+![](https://user-images.githubusercontent.com/19523330/172844483-60391f39-f045-4e13-b5a6-ed65182f429e.png)
 
 
 ## 欢迎加入技术交流群
@@ -50,73 +51,80 @@ Res2Net200_vd预训练模型Top-1精度高达85.1%。
 
 ## 快速体验
 
+PULC超轻量图像分类方案快速体验：[点击这里](./docs/zh_CN/PULC/PULC_train.md)
 PP-ShiTu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
-- [环境准备]()
-- [PULC超轻量图像分类实用方案]()
-  - [超轻量图像分类快速体验 (@崔程)]()
-  - [超轻量图像分类模型库]（包含benchmark @崔程）
-    - xx
-  - [方案介绍和模型训练]()
-  - [推理部署](@水龙)
-    - 基于python预测引擎推理
-    - 基于C++预测引擎推理
-    - 服务化部署
-    - 端侧部署
-    - Paddle2ONNX模型转化与预测
-  - [模型压缩](@崔程)
+- [环境准备](docs/zh_CN/installation/install_paddleclas.md)
+- PULC超轻量图像分类实用方案 文档更新中
+  - 超轻量图像分类模型库 文档更新中
+    - [PULC有人/无人分类模型](docs/zh_CN/PULC/PULC_person_exists.md)
+    - PULC人体属性识别模型 文档更新中
+    - [PULC佩戴安全帽分类模型](docs/zh_CN/PULC/PULC_safety_helmet.md)
+    - [PULC交通标志分类模型](docs/zh_CN/PULC/PULC_traffic_sign.md)
+    - [PULC车辆属性识别模型](docs/zh_CN/PULC/PULC_vehicle_attribute.md)
+    - PULC有车/无车分类模型 文档更新中
+    - [PULC含文字图像方向分类模型](docs/zh_CN/PULC/PULC_text_image_orientation.md)
+    - [PULC文本行方向分类模型](docs/zh_CN/PULC/PULC_textline_orientation.md)
+    - [PULC语种分类模型](docs/zh_CN/PULC/PULC_language_classification.md)
+  - 方案介绍和模型训练 文档更新中
+  - 推理部署
+    - [基于python预测引擎推理](docs/zh_CN/inference_deployment/python_deploy.md#1)
+    - [基于C++预测引擎推理](docs/zh_CN/inference_deployment/cpp_deploy.md)
+    - [服务化部署](docs/zh_CN/inference_deployment/paddle_serving_deploy.md)
+    - [端侧部署](docs/zh_CN/inference_deployment/paddle_lite_deploy.md)
+    - [Paddle2ONNX模型转化与预测](deploy/paddle2onnx/readme.md)
+  - [模型压缩](deploy/slim/README.md)
 - [PP-ShiTu图像识别系统介绍](#图像识别系统介绍)
-  - 图像识别快速体验 
+  - [图像识别快速体验](docs/zh_CN/quick_start/quick_start_recognition.md)
   - 模块介绍
     - [主体检测](./docs/zh_CN/image_recognition_pipeline/mainbody_detection.md)
     - [特征提取模型](./docs/zh_CN/image_recognition_pipeline/feature_extraction.md)
     - [向量检索](./docs/zh_CN/image_recognition_pipeline/vector_search.md)
-    - 哈希编码
-  - 模型训练（包含数据集格式说明等） 
+    - [哈希编码](docs/zh_CN/image_recognition_pipeline/)
+  - [模型训练](docs/zh_CN/models_training/recognition.md)
   - 推理部署
-    - 基于python预测引擎推理
-    - 基于C++预测引擎推理
-    - 服务化部署
-    - 端侧部署
-    - Paddle2ONNX模型转化与预测
-  - 模型压缩
-    - 模型量化
-    - 模型裁剪
-  - [骨干网络和预训练模型库](./docs/zh_CN/algorithm_introduction/ImageNet_models.md)
-- PP系列骨干网络模型（包括算法介绍，使用，训推一体链接等）（@崔程）
-  - PP-HGNet
-  - PP-LCNet v2
-  - PP-LCNet
-- SSLD半监督知识蒸馏方案 （@若愚）
-  - SSLD算法简介
-  - 预训练模型库
-  - 使用方法（？）
+    - [基于python预测引擎推理](docs/zh_CN/inference_deployment/python_deploy.md#2)
+    - [基于C++预测引擎推理](deploy/cpp_shitu/readme.md))
+    - [服务化部署](docs/zh_CN/inference_deployment/paddle_serving_deploy.md)
+    - [端侧部署](deploy/lite_shitu/README.md)
+  - 模型压缩 文档更新中
+- PP系列骨干网络模型
+  - [PP-HGNet](docs/zh_CN/models/PP-HGNet.md)
+  - [PP-LCNet v2](docs/zh_CN/models/PP-LCNetV2.md)
+  - [PP-LCNet](docs/zh_CN/models/PP-LCNet.md)
+- [SSLD半监督知识蒸馏方案](docs/zh_CN/advanced_tutorials/ssld.md)
 - 前沿算法
-  - 骨干网络和预训练模型库 （@崔程）
-    - 服务端CNN模型库
-    - 移动端CNN模型库
-    - Vision Transformer模型库
-  - 度量学习（arcmargin等算法）（@水龙）
-  - ReID （@水龙）
-  - 向量检索 （@水龙）
-  - 哈希特征 （@水龙）
-  - 模型蒸馏 （@若愚）
-  - 数据增强 （@崔程）
-- 产业实用范例库 （@胜禹）
-- 30分钟快速体验图像分类（原尝鲜版）（@崔程）
+  - [骨干网络和预训练模型库](docs/zh_CN/algorithm_introduction/ImageNet_models.md)
+  - [度量学习](docs/zh_CN/algorithm_introduction/metric_learning.md)
+  - ReID 文档更新中
+  - 向量检索 文档更新中
+  - 哈希特征
+  - [模型蒸馏](docs/zh_CN/algorithm_introduction/model_prune_quantization.md)
+  - [数据增强](docs/zh_CN/advanced_tutorials/DataAugmentation.md)
+- [产业实用范例库](docs/zh_CN/samples)
+- [30分钟快速体验图像分类](docs/zh_CN/quick_start/quick_start_classification_new_user.md)
 - FAQ
   - [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_selected_30.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)
-- [PaddleClas结构解析](./docs/zh_CN/advanced_tutorials/code_overview.md)
+- PaddleClas结构解析 文档更新中
 - [社区贡献指南](./docs/zh_CN/advanced_tutorials/how_to_contribute.md)
 - [许可证书](#许可证书)
 - [贡献代码](#贡献代码)
 
+
+<a name="PULC超轻量图像分类方案"></a>
+## PULC超轻量图像分类方案
+<div align="center">
+<img src="https://user-images.githubusercontent.com/19523330/173011854-b10fcd7a-b799-4dfd-a1cf-9504952a3c44.png"  width = "800" />
+</div>
+PULC融合了骨干网络、数据增广、蒸馏等多种前沿算法，可以自动训练得到轻量且高精度的图像分类模型。
+PaddleClas提供了覆盖人、车、OCR场景九大常见任务的分类模型，CPU推理3ms，精度比肩SwinTransformer。
+
 <a name="图像识别系统介绍"></a>
-## PP-ShiTu图像识别系统介绍
+## PP-ShiTu图像识别系统
 
 <div align="center">
 <img src="./docs/images/structure.jpg"  width = "800" />
@@ -124,6 +132,11 @@ PP-ShiTu图像识别快速体验：[点击这里](./docs/zh_CN/quick_start/quick
 
 PP-ShiTu是一个实用的轻量级通用图像识别系统，主要由主体检测、特征学习和向量检索三个模块组成。该系统从骨干网络选择和调整、损失函数的选择、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型裁剪量化8个方面，采用多种策略，对各个模块的模型进行优化，最终得到在CPU上仅0.2s即可完成10w+库的图像识别的系统。更多细节请参考[PP-ShiTu技术方案](https://arxiv.org/pdf/2111.00775.pdf)。
 
+<a name="分类效果展示"></a>
+## PULC实用图像分类模型效果展示
+<div align="center">
+<img src="docs/images/classification.gif">
+</div>
 
 <a name="识别效果展示"></a>
 ## PP-ShiTu图像识别系统效果展示