共计 1289 个字符，预计需要花费 4 分钟才能阅读完成。
父老们，乡亲们！你晓得人脸、商品、车辆辨认，以图搜图乃至主动驾驶，背地的技术是什么嘛？
起初小编感觉不就是图像分类、指标检测这些货色嘛，有什么难的？但能纯熟这些利用的 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：这背地是综合应用指标检测、图像分类、度量学习、图像检索的【通用图像识别零碎】…
度量学习是啥？图像检索是啥？通用图像识别零碎又是啥？！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，小编忽然发现了一个通用图像识别零碎疾速搭建神器！OMG！这不幻想一下就要实现了嘛！
连忙 Star 珍藏住：https://github.com/PaddlePaddle/PaddleClas
那这个我的项目到底有什么过人之处，图像识别又比图像分类、指标检测强在哪里呢？
拿 [商品辨认] 举个栗子，如果你用单纯的图像分类和指标检测，你会发现：
商品类别数以万计：基本没法当时把所有类别都放入训练集！训练集都不齐备怎么训练算法？
样本类别极不平衡：每类商品的数量散布参差不齐，有的类别只有 1、2 张图片！这样的类别即便投入算法训练，辨认准确率也是十分非常低的。
品类更新极快：各个商家不停的推出新的品类，每减少新的产品都要辛辛苦苦从新训练模型！
而应用图像识别，不仅能将以上问题完满解决！而且上手极快，简略易懂。筹备好须要辨认的物体图片后，只需三步，多类别、小样本、数据不平衡统统不再是问题！并且它除了商品辨认，还能够进行车辆、人脸、Logo、行人辨认！！！让咱们一起想辨认什么就辨认什么！（是自在的感觉没错了！）
并且这个图像识别零碎的 4 个外围形成模块，都是通过精心打磨。无论是独自应用亦或是串联开发，都有不凡的成果：
主体检测：采纳高精准超轻量的 PP-YOLOv2 检测算法，疾速对图像进行主体检测，晋升辨认效率。
骨干网络：精选 6 个系列 Backbone，笼罩最精美的挪动端模型和高精准的服务端模型，反对对构造进行疾速批改，满足不同应用场景的需要。
度量学习：集成 ArcMargin, CenterLoss, TriHard 等业界最当先的度量学习办法，并能任意组合，轻松训练出鲁棒的图像特色。
检索系统：集成百度自研的 Möbius 算法，高效实现向量检索，并能随时更新检索库，一次训练长期应用。
开发者不仅能够独自或自主组装应用这四个模块，还能够间接采纳构建好的车辆辨认、LOGO 辨认、商品辨认、动漫辨认四个零碎。只须要补充好检索库，就能够间接投产应用了！
有了它们的助力，看齐大厂程序员，年薪百万不是梦！（逐步露出暴富的笑容~）
这么弱小、用心的我的项目，你还在等什么？！还不连忙 Star 珍藏上车吧！
传送门：https://github.com/PaddlePaddle/PaddleClas
疾速体验：
https://github.com/PaddlePaddle/PaddleClas/blob/release%2F2.2/docs/zh_CN/tutorials/quick_start_recognition.md
