标签：PP 人脸识别 图像识别 开发者 网页 轻量 链接 ShiTu
图像识别作为深度学习算法的主流实践应用方向，早已在生活的各个领域发挥作用，如安全检查和身份核验时的人脸识别、无人货架和智能零售柜中的商品识别，这些任务背后的关键技术都在于此。
图1 PP-ShiTu应用于商品识别效果示意（开发者应用展示）
然而实现理想的识别效果并不是一件简单的事：
针对海量数据问题而言，如何实现一个通用的方法在不同的数据集中都有很好的表征能力？
不同物体间的差别可能极其微小，即使是同种物体，也会受到外界干扰呈现不同形态，究竟如何进行有效区分？
识别需求更新频繁，使用单一的分类或者检测模型只能不断增加训练集重训模型，怎样才能降低开发成本，快速跟上迭代步伐？
PP-ShiTu核心技术解读
针对以上技术难点，PaddleClas推出的通用图像识别系统PP-ShiTu均可以完美解决，它不仅有高水平的特征学习能力，对新出现的类别也可以在不用重新训练算法的情况下，直接通过配置检索库的方式实现识别。
⭐ 项目链接 ⭐
PaddleClas所有源码及教程均已开源，欢迎大家使用，并Star鼓励~
这样的特殊能力，得益于PP-ShiTu引入目标检测、度量学习、图像检索等技术，并将每个模块性能最大化，才构建成了统一、通用的图像识别系统：
图2 PP-ShiTu架构示意图
主体检测：不同于一般的目标检测，主体检测是将目标物体和背景区分开来，能够有效减少干扰特征。PP-ShiTu中所采用的是目标检测模型PP-PicoDet，不仅预测速度超快，精度上也达到了SOTA，为后续的准确识别打下坚实基础；
图3 PP-PicoDet在 COCO2017-val上的 mAP 对比
特征提取：作为图像识别系统的重点工作，PP-ShiTu是采用CPU级轻量化骨干网络PP-LCNet，并结合度量学习arcmargin算法，对高相似物体的区分效果远超单一模型，不仅准确率超越大模型ResNet50，预测速度还能快3倍！再加上经过18w类数据集打磨的预训练权重，不用再费心选择，一个模型就可以实现多场景覆盖。
图4 训练数据及部分测试数据示例
向量检索：不同于单一模型直接输出类别信息，对于未知类别只有模型重训一个选择，耗时又耗力。PP-ShiTu引入向量检索，通过计算目标物体和检索库中图像的相似度来输出类别信息，一次训练长期使用，高效又便捷。
图5 端侧新类别建立索引流程（开发者应用展示）
升级版PP-ShiTu欢迎使用
时隔数月，PaddleClas 新版本v2.3.1为大家带来了更加轻量化的图像识别系统PP-ShiTu。核心功能点如下：
升级版PP-ShiTu大小仅18M，完美支持移动端需求
支持基于C++的服务化部署，部署效率大幅提升
支持移动端Paddle Lite部署教程，手机上也能轻松实现图像识别
图6 手机识别效果展示（开发者应用展示）
PP-ShiTu的使用也是十分简单、方便，在完成环境配置后只需三步即可完成快速体验：
第一步：下载 Inference 模型
第二步：构建索引
第三步：完成单张/批量图像识别
详细文档，请参考：
更有完整流程演示，可参考AI Studio项目：网页链接
共建开源生态
自PP-ShiTu发布以来，引起了众多开发者的广泛关注。华东理工大学的高材生颜鑫，也是飞桨领航团的团长，带领团队基于PP-ShiTu开发了一套智能购物平台系统：通过图像即可精准识别顾客购买的商品，并返回完整的购物清单及应付价格，为智能货柜提供了非常好的视觉化解决方案。
链接指路：
图7 智能结算平台架构示意图
与此同时，我们也力求为开源社区的繁荣作出贡献，希望PP-ShiTu的算法本身以及优化思路，可以在给业界开发者带来更好网络的同时，也带来更多的算法优化启发，为中国的开源发展贡献一份力量。
打开微信加好友，输入微信号【baidupaddle】添加运营小姐姐，添加成功后，回复暗号【c】，即可收到邀请官方交流群邀请，在这里您可以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！
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
官网地址：
PaddleClas项目地址：
GitHub:
Gitee:
这么强大、用心的项目，还不赶紧给各位开发者一个Star
标签：PP,人脸识别,图像识别,开发者,网页,轻量,链接,ShiTu 来源： https://www.cnblogs.com/baidudanao/p/15852738.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。