超强图像识别系统开源了！人脸、商品、车辆识别一网打尽-技术圈

大家知道人脸、商品、车辆识别，以图搜图乃至自动驾驶，背后的技术是什么嘛？

起初觉得不就是图像分类、目标检测这些东西嘛，有什么难的？但能熟练这些应用的 BAT 高级工程师们都轻松年薪百万，笑傲人生了！！！

当我正在酸成柠檬精的时候，BAT 大神幽幽的说：这背后是综合使用目标检测、图像分类、度量学习、图像检索的【通用图像识别系统】…

度量学习是啥？图像检索是啥？通用图像识别系统又是啥？！看来还是我 Too Simple，Too Naive 了…

难道我真的就无缘年薪百万了嘛？！正在我捶胸顿足的时候，突然发现了一个通用图像识别系统快速搭建神器 — PP-ShiTu！What？这不梦想一下就要实现了嘛！

赶紧 Star 收藏：

https://github.com/PaddlePaddle/PaddleClas

那这个项目到底有什么过人之处，图像识别又比图像分类、目标检测强在哪里呢？

拿「商品识别」举个栗子，如果你用单纯的图像分类和目标检测，你会发现：

而这个 PP-ShiTu 图像识别系统就可以完美解决以上问题！

准备好需要识别的物体图片后，只需三步，多类别、微差异、高速度等问题通通不再是问题，绝对的 “开箱即用”，而且它不仅可以用作商品识别，还可以进行车辆、人脸、Logo、行人识别！！！

PP-ShiTu 使用流程示例

而这个图像识别系统的 4 个核心构成模块，都是经过精心打磨。无论是单独使用亦或是串联开发，都有非凡的效果：

PP-ShiTu 架构图

主体检测：采用高精度超轻量的 PP-PicoDet 检测算法，它的出现，使 PP-ShiTu 的主体检测模块预测速度提升了 15 倍以上，而精度几乎不衰减。

骨干网络：采用 CPU 级超高性价比的轻量化骨干网络 PP-LCNet，它的准确率不仅超越大模型 ResNet50 的模型效果，预测速度还是后者的 3 倍！简直香个跟头！而 PP-ShiTu 充分挖掘该网络的潜力，学习一个具有超强泛化能力的特征提取模型，同一模型可在多个数据集上同时实现高精度识别。

度量学习：集成 ArcMargin 度量学习方法，轻松将图像转换成特征向量，训练出鲁棒的图像特征，以供后续进行检索识别。

检索系统：集成 Faiss 算法，高效完成向量检索。当增加新的品类时，不需要重新训练提取特征模型，仅需要更新检索库即可识别新的目标，一次训练长期使用，还兼容 (Linux, Windows, MacOS) 多平台。

开发者不仅可以单独或自主组装使用这四个模块，还可以直接采用构建好的车辆识别、LOGO 识别、商品识别、动漫识别四个系统。只需要补充好检索库，就可以直接投产使用了！

有了它们的助力，看齐大厂程序员，年薪百万不是梦！（逐渐露出暴富的笑容～ ）

这么强大、用心的项目 ，你还在等什么？！还不赶紧🌟Star🌟收藏上车吧！

传送门：

https://github.com/PaddlePaddle/PaddleClas

快速体验：

https://github.com/PaddlePaddle/PaddleClas/blob/release/2.3/docs/zh_CN/quick_start/quick_start_recognition.md

为了让开发者更深入的了解 PaddleClas 并手把手教大家完成图像识别系统的搭建，项目团队还精心准备了为期 4 天的直播课程。

11月2日-3日百度高工为我们讲解了图像识别技术难点及选型策略及 SOTA 模型炼丹秘诀，11月4日-5日还有图像识别产业应用的方法和技巧解析，现场直接为大家进行答疑，还在等什么！赶紧扫码上车吧！

扫码报名直播课，加入技术交流群

精彩内容抢先看！长按收藏海报～

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：

https://www.paddlepaddle.org.cn

【PaddleClas】项目地址：

GitHub：

https://github.com/PaddlePaddle/PaddleClas/tree/release/2.3

Gitee：

https://gitee.com/paddlepaddle/PaddleClas

这么强大、用心的项目 ，还不赶紧给各位开发者一个 Star的鼓励！

https://github.com/PaddlePaddle/PaddleClas

数据来源：部分图片来源于网络，侵权可删