說到圖像識(shí)別相信大家已經(jīng)非常熟悉了，這一技術(shù)早就深深融入我們生活的方方面面，小到人臉解鎖、支付、打卡、酒店入住，攝像頭中的違規(guī)駕駛識(shí)別，網(wǎng)購(gòu)明星同款時(shí)的以圖搜圖，大到自動(dòng)駕駛汽車中的駕駛輔助，醫(yī)療影像的輔助診斷，圖像視頻的分析、編輯、再創(chuàng)造等等。。。

有人會(huì)問，你說的這些不都是圖像分類、目標(biāo)檢測(cè)的應(yīng)用么？但這背后遠(yuǎn)遠(yuǎn)不止這些，還有度量學(xué)習(xí)和圖像檢索等，現(xiàn)在更有集合各種功能的【通用圖像識(shí)別系統(tǒng)】，讓你擁有一套系統(tǒng)就可以輕松擁有各行各業(yè)的解決方案，將上述應(yīng)用場(chǎng)景一網(wǎng)打盡！

趕緊Star收藏?。?/p>

https://github.com/PaddlePaddle/PaddleClas

那這個(gè)項(xiàng)目到底有什么過人之處，圖像識(shí)別又比圖像分類、目標(biāo)檢測(cè)強(qiáng)在哪里呢？

拿［商品識(shí)別］舉個(gè)栗子，如果你用單純的圖像分類和目標(biāo)檢測(cè)，你會(huì)發(fā)現(xiàn)：

商品類別數(shù)以萬計(jì)：根本沒法事先把所有類別都放入訓(xùn)練集！訓(xùn)練集都不完備怎么訓(xùn)練算法？

樣本類別極不均衡：每類商品的數(shù)量分布參差不齊，有的類別只有1、2張圖片！這樣的類別即使投入算法訓(xùn)練，識(shí)別準(zhǔn)確率也是非常非常低的。

品類更新極快：各個(gè)商家不停的推出新的品類，每增加新的產(chǎn)品都要辛辛苦苦重新訓(xùn)練模型！

而使用圖像識(shí)別，不僅能將以上問題完美解決！而且上手極快，簡(jiǎn)單易懂。準(zhǔn)備好需要識(shí)別的物體圖片后，只需三步，多類別、小樣本、數(shù)據(jù)不均衡通通不再是問題！并且它除了商品識(shí)別，還可以進(jìn)行車輛、人臉、Logo、行人識(shí)別?。?！讓我們一起想識(shí)別什么就識(shí)別什么！（是自由的感覺沒錯(cuò)了?。?/p>

并且這個(gè)圖像識(shí)別系統(tǒng)的4個(gè)核心構(gòu)成模塊，都是經(jīng)過精心打磨。無論是單獨(dú)使用亦或是串聯(lián)開發(fā)，都有非凡的效果：

主體檢測(cè)：采用高精準(zhǔn)超輕量的PP-YOLOv2檢測(cè)算法，快速對(duì)圖像進(jìn)行主體檢測(cè)，提升識(shí)別效率。骨干網(wǎng)絡(luò)：精選6個(gè)系列Backbone，覆蓋最精巧的移動(dòng)端模型和高精準(zhǔn)的服務(wù)端模型，支持對(duì)結(jié)構(gòu)進(jìn)行快速修改，滿足不同使用場(chǎng)景的需求。度量學(xué)習(xí)：集成ArcMargin， CenterLoss， TriHard等業(yè)界最領(lǐng)先的度量學(xué)習(xí)方法，并能任意組合，輕松訓(xùn)練出魯棒的圖像特征。檢索系統(tǒng)：集成百度自研的M?bius算法，高效完成向量檢索，并能隨時(shí)更新檢索庫(kù)，一次訓(xùn)練長(zhǎng)期使用。

開發(fā)者不僅可以單獨(dú)或自主組裝使用這四個(gè)模塊，還可以直接采用構(gòu)建好的車輛識(shí)別、LOGO識(shí)別、商品識(shí)別、動(dòng)漫識(shí)別四個(gè)系統(tǒng)。只需要補(bǔ)充好檢索庫(kù)，就可以直接投產(chǎn)使用了！

這么強(qiáng)大、用心的項(xiàng)目 ，你還在等什么？！還不趕緊Star收藏上車吧！

編輯：jq