PaddleClas

• 2022.9.13 发布超轻量图像识别系统PP-ShiTuV2：

• more

🌟 特性

PaddleClas支持多种前沿图像分类、识别相关算法，发布产业级特色骨干网络PP-HGNet、PP-LCNetv2、 PP-LCNet和SSLD半监督知识蒸馏方案等模型，在此基础上打造PULC超轻量图像分类方案和PP-ShiTu图像识别系统。

上述内容的使用方法建议从文档教程中的快速开始体验

⚡ 快速开始

• 🔥 一键调用98个PaddleClas核心模型
• PULC超轻量图像分类方案快速体验：点击这里
• PP-ShiTu图像识别快速体验：点击这里
• PP-ShiTuV2 Android Demo APP，可扫描如下二维码，下载体验

🔥 低代码全流程开发

🛠️ PP系列模型列表

| 模型简介 | 应用场景 | 模型下载链接 | | --------------------------- | ------------------------------------ | ------------------------------------------------------------ | | PULC 超轻量图像分类方案 | 固定图像类别分类方案 | 人体、车辆、文字相关9大模型：模型库连接 | | PP-ShituV2 轻量图像识别系统 | 针对场景数据类别频繁变动、类别数据多 | 主体检测模型：预训练模型 / 推理模型
识别模型：预训练模型 / 推理模型 | | PP-LCNet 轻量骨干网络 | 针对Intel CPU设备及MKLDNN加速库定制 | PPLCNetx10：预训练模型 / 推理模型 | | PP-LCNetV2 轻量骨干网络 | 针对Intel CPU设备，适配OpenVINO | PPLCNetV2base：预训练模型 / 推理模型 | | PP-HGNet 高精度骨干网络 | GPU设备上相同推理时间精度更高 | PPHGNetsmall：预训练模型 / 推理模型 |

全部模型下载链接可查看 文档教程 中的各模型介绍

产业范例

• 基于PP-ShiTuV2的生鲜品自助结算： 点击这里
• 基于PULC人员出入视频管理： 点击这里
• 基于PP-ShiTu 的智慧商超商品识别：点击这里
• 基于PP-ShiTu电梯内电瓶车入室识别：点击这里

📖 文档教程

• 环境准备
• PP-ShiTuV2图像识别系统介绍

- 图像识别快速体验 - 20+应用场景库 - 子模块算法介绍及模型训练 - 主体检测 - 特征提取模型 - 向量检索 - 哈希编码 - PipeLine 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 - 库管理工具

• PULC超轻量图像分类实用方案

- 超轻量图像分类快速体验 - 超轻量图像分类模型库 - PULC有人/无人分类模型 - PULC人体属性识别模型 - PULC佩戴安全帽分类模型 - PULC交通标志分类模型 - PULC车辆属性识别模型 - PULC有车/无车分类模型 - PULC含文字图像方向分类模型 - PULC文本行方向分类模型 - PULC语种分类模型 - PULC表格属性识别模型 - PULC有无广告码分类模型 - PULC清晰度评估模型 - PULC图像方向分类模型 - 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系列骨干网络模型

- PP-HGNet - PP-LCNetv2 - PP-LCNet

• SSLD半监督知识蒸馏方案
• 前沿算法

- 骨干网络和预训练模型库 - 度量学习 - ReID - 模型压缩 - 模型蒸馏 - 数据增强

• 产业实用范例库
• 30分钟快速体验图像分类
• FAQ

- 图像识别精选问题 - 图像分类精选问题 - 图像分类FAQ第一季 - 图像分类FAQ第二季 - 图像分类FAQ第三季

• 社区贡献指南
• 许可证书
• 贡献代码

PP-ShiTuV2图像识别系统

PP-ShiTuV2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多个方面，采用多种策略，对各个模块的模型进行优化，PP-ShiTuV2相比V1，Recall1提升近8个点。更多细节请参考PP-ShiTuV2详细介绍。

PP-ShiTuV2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

PULC超轻量图像分类方案

PULC融合了骨干网络、数据增广、蒸馏等多种前沿算法，可以自动训练得到轻量且高精度的图像分类模型。 PaddleClas提供了覆盖人、车、OCR场景九大常见任务的分类模型，CPU推理3ms，精度比肩SwinTransformer。

PULC实用图像分类模型效果展示

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。

• 非常感谢nblib修正了PaddleClas中RandErasing的数据增广配置文件。
• 非常感谢chenpy228修正了PaddleClas文档中的部分错别字。
• 非常感谢jm12138为PaddleClas添加ViT，DeiT系列模型和RepVGG系列模型。