简体中文 | English
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和图像分类任务的工具集，助力使用者训练出更好的视觉模型和应用落地。
PP-ShiTuV2图像识别系统效果展示
PULC实用图像分类模型效果展示
-
🔥️ 2022.9.14 晚上8:30 商超零售新革命-生鲜智能结算产业应用，扫码进群获取直播链接
-
🔥️ 2022.9.13发布PP-ShiTuV2，recall1精度提升8个点，覆盖20+识别场景，新增库管理工具，Android Demo全新体验。
-
2022.9.4 新增生鲜产品自主结算范例库，具体内容可以在AI Studio上体验。
-
2022.6.15 发布PULC超轻量图像分类实用方案，CPU推理3ms，精度比肩SwinTransformer，覆盖人、车、OCR场景九大常见任务。
-
2022.5.23 新增人员出入管理范例库，具体内容可以在 AI Studio 上体验。
-
2022.5.20 上线PP-HGNet, PP-LCNetv2。
PaddleClas发布了PP-HGNet、PP-LCNetv2、 PP-LCNet和SSLD半监督知识蒸馏方案等算法，
并支持多种图像分类、识别相关算法，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。
- 欢迎加入PaddleClas 微信用户群（扫码填写问卷即可入群）
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
PP-ShiTuV2 Android Demo
- 基于PP-ShiTu v2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
- 环境准备
- PP-ShiTuV2图像识别系统介绍
- PULC超轻量图像分类实用方案
- PP系列骨干网络模型
- SSLD半监督知识蒸馏方案
- 前沿算法
- 产业实用范例库
- 30分钟快速体验图像分类
- FAQ
- 社区贡献指南
- 许可证书
- 贡献代码
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。
- 瓶装饮料识别
- 商品识别
- 动漫人物识别
- logo识别
- 车辆识别
本项目的发布受Apache 2.0 license许可认证。
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。