简体中文 | English
PaddleClas
简介
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,解读超轻量重点区域人员出入管理方案,欢迎报名来交流。 - 2022.5.23 新增人员出入管理范例库,具体内容可以在 AI Stuio 上体验。
- 2022.5.20 上线PP-HGNet, PP-LCNet v2
- 2022.4.21 新增 CVPR2022 oral论文 MixFormer 相关代码。
- 2022.1.27 全面升级文档;新增PaddleServing C++ pipeline部署方式和18M图像识别安卓部署Demo。
- 2021.11.1 发布PP-ShiTu技术报告,新增饮料识别demo
- 2021.10.23 发布轻量级图像识别系统PP-ShiTu,CPU上0.2s即可完成在10w+库的图像识别。 点击这里立即体验
- 2021.09.17 发布PP-LCNet系列超轻量骨干网络模型, 在Intel CPU上,单张图像预测速度约5ms,ImageNet-1K数据集上Top1识别准确率达到80.82%,超越ResNet152的模型效果。PP-LCNet的介绍可以参考论文, 或者PP-LCNet模型介绍,相关指标和预训练权重可以从 这里下载。
- more
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%。
欢迎加入技术交流群
- 您可以扫描下面的QQ/微信二维码(添加小助手微信并回复“C”),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。
快速体验
PP-ShiTu图像识别快速体验:点击这里
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
- 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
-
PP-ShiTu图像识别系统介绍
- 图像识别快速体验
- 模块介绍
- 模型训练(包含数据集格式说明等)
- 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
- 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(?)
- 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)
- 骨干网络和预训练模型库 (@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)
- FAQ
- PaddleClas结构解析
- 社区贡献指南
- 许可证书
- 贡献代码
PP-ShiTu图像识别系统介绍
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。
PP-ShiTu图像识别系统效果展示
- 瓶装饮料识别
- 商品识别
- 动漫人物识别
- logo识别
- 车辆识别
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。 如果想为PaddleCLas贡献代码,可以参考贡献指南。