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
- 2021.06.22,23,24 PaddleClas官方研发团队带来技术深入解读三日直播课，6月22日、23日、24日晚上20:30，直播地址
- 2021.06.16 PaddleClas v2.2版本升级，集成Metric learning，向量检索等组件。新增商品识别、动漫人物识别、车辆识别和logo识别等4个图像识别应用。新增LeViT、Twins、TNT、DLA、HarDNet、RedNet系列30个预训练模型。
- 2021.05.14 添加
SwinTransformer系列模型。 - 2021.04.15 添加
MixNet_L和ReXNet_3_0系列模型。
特性
-
实用的图像识别系统：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。 提供商品识别、车辆识别、logo识别和动漫人物识别等4个场景应用示例。
-
丰富的预训练模型库：提供了35个系列共164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%。
-
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。
图像识别系统效果展示
欢迎加入技术交流群
- 您可以扫描下面的微信群二维码， 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
图像识别快速体验：点击这里
文档教程
- 快速安装
- 图像识别快速体验
- 算法介绍（更新中）
- 模型训练/评估
- 模型预测
- 基于Python预测引擎预测推理
- 基于C++预测引擎预测推理(当前只支持图像分类任务，图像识别更新中)
- 模型部署（当前只支持图像分类任务，图像识别更新中）
- 高阶使用
- FAQ(暂停更新)
- 许可证书
- 贡献代码
图像识别系统介绍
整个图像识别系统分为三步：（1）通过一个目标检测模型，检测图像物体候选区域（2）对每个候选区域进行特征提取（3）与检索库中图像进行特征匹配，提取识别结果。
对于新的未知类别，无需重新训练模型，只需要在检索库补入该类别图像，重新建立检索库，就可以识别该类别。
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。
- 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。
- 非常感谢FutureSI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。