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。