简体中文 | [English](README.md) # PaddleClas ## 简介 飞桨图像分类套件PaddleClas是飞桨为工业界和学术界所准备的一个图像分类任务的工具集,助力使用者训练出更好的视觉模型和应用落地。 **近期更新** - 2021.06.16 PaddleClas v2.2版本升级,集成Metric learning,向量检索等组件,新增4个图像识别应用。 - [more](./docs/zh_CN/update_history.md) ## 特性 - 完整的图像识别解决方案:集成了检测、特征学习、检索等模块,广泛适用于各类图像识别任务。 提供商品识别、车辆识别、logo识别和动漫人物识别等4个示例解决方案。 - 丰富的预训练模型库:提供了29个系列共134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。 - 全面易用的特征学习组件:集成大量度量学习方法,通过配置文件即可随意组合切换。 - SSLD知识蒸馏:基于该方案蒸馏模型的识别准确率普遍提升3%以上。 - 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 * 微信扫描下面左方二维码添加飞桨小姐姐的微信,添加成功后私信小姐姐暗号【分类】,即可收到微信群进群邀请。
* 您也可以扫描下面的QQ群二维码, 加入PaddleClas QQ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。
## 文档教程 - [快速安装](./docs/zh_CN/tutorials/install.md) - 图像识别快速体验(若愚) - 图像分类快速体验(崔程,基于30分钟入门版修改) - 算法介绍 - 图像识别系统] (胜禹) - [模型库介绍和预训练模型](./docs/zh_CN/models/models_intro.md) - [图像分类] - ImageNet分类任务(崔程,基于30分钟进阶版修改) - [多标签分类任务]() - [特征学习] - [商品识别]() - [车辆识别]() - [logo识别]() - [动漫人物识别]() - [向量检索]() - 模型训练/评估 - 图像分类任务(崔程,基于原有训练文档整理) - 特征学习任务(陆彬) - 模型预测 - [基于训练引擎预测推理](./docs/zh_CN/tutorials/getting_started.md) - [基于Python预测引擎预测推理](./docs/zh_CN/tutorials/getting_started.md) - [基于C++预测引擎预测推理](./deploy/cpp_infer/readme.md) - [服务化部署](./deploy/hubserving/readme.md) - [端侧部署](./deploy/lite/readme.md) - [whl包预测](./docs/zh_CN/whl.md) - [模型量化压缩](deploy/slim/quant/README.md) - 高阶使用 - [知识蒸馏](./docs/zh_CN/advanced_tutorials/distillation/distillation.md) - [模型量化](./docs/zh_CN/extension/paddle_quantization.md) - [数据增广](./docs/zh_CN/advanced_tutorials/image_augmentation/ImageAugment.md) - [代码解析与社区贡献指南](./docs/zh_CN/tutorials/quick_start_community.md) - FAQ(暂停更新) - [图像分类任务FAQ] - [许可证书](#许可证书) - [贡献代码](#贡献代码) ## 许可证书 本项目的发布受Apache 2.0 license许可认证。 ## 贡献代码 我们非常欢迎你为PaddleClas贡献代码,也十分感谢你的反馈。 - 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。