圖像識(shí)別作為深度學(xué)習(xí)算法的主流實(shí)踐應(yīng)用方向，早已在生活的各個(gè)領(lǐng)域發(fā)揮作用，如安全檢查和身份核驗(yàn)時(shí)的人臉識(shí)別、無(wú)人貨架和智能零售柜中的商品識(shí)別，這些任務(wù)背后的關(guān)鍵技術(shù)都在于此。

圖1 PP-ShiTu應(yīng)用于商品識(shí)別效果示意（開(kāi)發(fā)者應(yīng)用展示）

然而實(shí)現(xiàn)理想的識(shí)別效果并不是一件簡(jiǎn)單的事：

• 針對(duì)海量數(shù)據(jù)問(wèn)題而言，如何實(shí)現(xiàn)一個(gè)通用的方法在不同的數(shù)據(jù)集中都有很好的表征能力？

• 不同物體間的差別可能極其微小，即使是同種物體，也會(huì)受到外界干擾呈現(xiàn)不同形態(tài)，究竟如何進(jìn)行有效區(qū)分？

• 識(shí)別需求更新頻繁，使用單一的分類或者檢測(cè)模型只能不斷增加訓(xùn)練集重訓(xùn)模型，怎樣才能降低開(kāi)發(fā)成本，快速跟上迭代步伐？

PP-ShiTu核心技術(shù)解讀

針對(duì)以上技術(shù)難點(diǎn)，PaddleClas推出的通用圖像識(shí)別系統(tǒng)PP-ShiTu均可以完美解決，它不僅有高水平的特征學(xué)習(xí)能力，對(duì)新出現(xiàn)的類別也可以在不用重新訓(xùn)練算法的情況下，直接通過(guò)配置檢索庫(kù)的方式實(shí)現(xiàn)識(shí)別。

? 項(xiàng)目鏈接 ?

https://github.com/PaddlePaddle/PaddleClas

PaddleClas所有源碼及教程均已開(kāi)源，歡迎大家使用，并Star鼓勵(lì)~

這樣的特殊能力，得益于PP-ShiTu引入目標(biāo)檢測(cè)、度量學(xué)習(xí)、圖像檢索等技術(shù)，并將每個(gè)模塊性能最大化，才構(gòu)建成了統(tǒng)一、通用的圖像識(shí)別系統(tǒng)：

圖2 PP-ShiTu架構(gòu)示意圖

• 主體檢測(cè)：不同于一般的目標(biāo)檢測(cè)，主體檢測(cè)是將目標(biāo)物體和背景區(qū)分開(kāi)來(lái)，能夠有效減少干擾特征。PP-ShiTu中所采用的是目標(biāo)檢測(cè)模型PP-PicoDet，不僅預(yù)測(cè)速度超快，精度上也達(dá)到了SOTA，為后續(xù)的準(zhǔn)確識(shí)別打下堅(jiān)實(shí)基礎(chǔ)；

圖3 PP-PicoDet在 COCO2017-val上的 mAP 對(duì)比

• 特征提取：作為圖像識(shí)別系統(tǒng)的重點(diǎn)工作，PP-ShiTu是采用CPU級(jí)輕量化骨干網(wǎng)絡(luò)PP-LCNet，并結(jié)合度量學(xué)習(xí)arcmargin算法，對(duì)高相似物體的區(qū)分效果遠(yuǎn)超單一模型，不僅準(zhǔn)確率超越大模型ResNet50，預(yù)測(cè)速度還能快3倍！再加上經(jīng)過(guò)18w類數(shù)據(jù)集打磨的預(yù)訓(xùn)練權(quán)重，不用再費(fèi)心選擇，一個(gè)模型就可以實(shí)現(xiàn)多場(chǎng)景覆蓋。

圖4 訓(xùn)練數(shù)據(jù)及部分測(cè)試數(shù)據(jù)示例

• 向量檢索：不同于單一模型直接輸出類別信息，對(duì)于未知類別只有模型重訓(xùn)一個(gè)選擇，耗時(shí)又耗力。PP-ShiTu引入向量檢索，通過(guò)計(jì)算目標(biāo)物體和檢索庫(kù)中圖像的相似度來(lái)輸出類別信息，一次訓(xùn)練長(zhǎng)期使用，高效又便捷。

圖5 端側(cè)新類別建立索引流程（開(kāi)發(fā)者應(yīng)用展示）

升級(jí)版PP-ShiTu歡迎使用

時(shí)隔數(shù)月，PaddleClas 新版本v2.3.1為大家?guī)?lái)了更加輕量化的圖像識(shí)別系統(tǒng)PP-ShiTu。核心功能點(diǎn)如下：

• 升級(jí)版PP-ShiTu大小僅18M，完美支持移動(dòng)端需求

• 支持基于C++的服務(wù)化部署，部署效率大幅提升

• 支持移動(dòng)端Paddle Lite部署教程，手機(jī)上也能輕松實(shí)現(xiàn)圖像識(shí)別

圖6 手機(jī)識(shí)別效果展示（開(kāi)發(fā)者應(yīng)用展示）

PP-ShiTu的使用也是十分簡(jiǎn)單、方便，在完成環(huán)境配置后只需三步即可完成快速體驗(yàn)：

第一步：下載 Inference 模型

第二步：構(gòu)建索引

第三步：完成單張/批量圖像識(shí)別

詳細(xì)文檔，請(qǐng)參考：

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

更有完整流程演示，可參考AI Studio項(xiàng)目：https://aistudio.baidu.com/aistudio/projectdetail/3445604

共建開(kāi)源生態(tài)

自PP-ShiTu發(fā)布以來(lái)，引起了眾多開(kāi)發(fā)者的廣泛關(guān)注。華東理工大學(xué)的高材生顏鑫，也是飛槳領(lǐng)航團(tuán)的團(tuán)長(zhǎng)，帶領(lǐng)團(tuán)隊(duì)基于PP-ShiTu開(kāi)發(fā)了一套智能購(gòu)物平臺(tái)系統(tǒng)：通過(guò)圖像即可精準(zhǔn)識(shí)別顧客購(gòu)買(mǎi)的商品，并返回完整的購(gòu)物清單及應(yīng)付價(jià)格，為智能貨柜提供了非常好的視覺(jué)化解決方案。

鏈接指路：

https://github.com/thomas-yanxin/Smart_container

圖7 智能結(jié)算平臺(tái)架構(gòu)示意圖

與此同時(shí)，我們也力求為開(kāi)源社區(qū)的繁榮作出貢獻(xiàn)，希望PP-ShiTu的算法本身以及優(yōu)化思路，可以在給業(yè)界開(kāi)發(fā)者帶來(lái)更好網(wǎng)絡(luò)的同時(shí)，也帶來(lái)更多的算法優(yōu)化啟發(fā)，為中國(guó)的開(kāi)源發(fā)展貢獻(xiàn)一份力量。

如果您想詳細(xì)了解更多飛槳的相關(guān)內(nèi)容，請(qǐng)參閱以下文檔。

官網(wǎng)地址：

https://www.paddlepaddle.org.cn

PaddleClas項(xiàng)目地址：

GitHub:?

https://github.com/PaddlePaddle/PaddleClas/tree/develop

Gitee:?

https://gitee.com/paddlepaddle/PaddleClas

總結(jié)

以上是生活随笔為你收集整理的18M 超轻量系统开源的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。