全球首个开源图像识别系统上线了！人脸、商品、车辆识别一网打尽！
父老们，乡亲们！你知道人脸、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？
起初小编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！！！
当小编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？！正在小编捶胸顿足的时候，小编突然发现了一个通用图像识别系统快速搭建神器— PP-ShiTu！OMG！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：
商品类别数以万计：根本没法事先把所有类别都放入训练集！训练集都不完备怎么训练算法？
样本差别极小，区分难度极大：细分类差别极其细微，实际图像的拍摄角度也多变刁钻，识别准确率非常非常低。
产业上线速度要求极高：每张复杂的图片处理速度要求在毫秒级别，在闸机前让你等个3秒绝对要炸锅！
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！！！
第一步通过目标检测模型，进行主体检测；
第二步对每个候选区域进行特征提取；
第三步将特征提取后的向量在检索库中进行检索，完成匹配，返回识别结果。
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
直播预告
https://gitee.com/paddlepaddle/PaddleClas