<kbd id="5sdj3"></kbd>
<th id="5sdj3"></th>

  • <dd id="5sdj3"><form id="5sdj3"></form></dd>
    <td id="5sdj3"><form id="5sdj3"><big id="5sdj3"></big></form></td><del id="5sdj3"></del>

  • <dd id="5sdj3"></dd>
    <dfn id="5sdj3"></dfn>
  • <th id="5sdj3"></th>
    <tfoot id="5sdj3"><menuitem id="5sdj3"></menuitem></tfoot>

  • <td id="5sdj3"><form id="5sdj3"><menu id="5sdj3"></menu></form></td>
  • <kbd id="5sdj3"><form id="5sdj3"></form></kbd>

    百度開源了一款神器!10萬圖片輕松識(shí)別!

    共 2244字,需瀏覽 5分鐘

     ·

    2021-11-07 01:47


    說到圖像識(shí)別,有些人可能會(huì)一頭霧水,其實(shí)圖像識(shí)別早已經(jīng)成熟地應(yīng)用在了各行各業(yè)。比如,正在進(jìn)行中的雙十一全民剁手節(jié),相信很多小伙伴們都在某寶上解鎖過以圖搜圖購物;越來越先進(jìn)的自動(dòng)駕駛道路街景識(shí)別;工業(yè)制造中不同組件的缺陷識(shí)別檢測(cè)等等。
    有的開發(fā)者看到這里可能會(huì)心存疑問:上面所說的場(chǎng)景為什么不直接用圖像分類或者目標(biāo)檢測(cè)算法實(shí)現(xiàn)呢?

    別急,讓我們看看下面這些實(shí)際的產(chǎn)業(yè)難題你就會(huì)恍然大悟:

    1.【品類更新頻率高】像新零售這種行業(yè),新品幾乎都是按小時(shí)級(jí)別在更新!
    2.【目標(biāo)區(qū)分難度大】細(xì)分類差別極其細(xì)微,實(shí)際圖像角度多變刁鉆!
    3.【算法復(fù)雜速度慢】業(yè)務(wù)上線預(yù)測(cè)速度要求極高,在閘機(jī)前不可能還需要等!

    ?

    一個(gè)優(yōu)秀的圖像識(shí)別系統(tǒng)就是上述產(chǎn)業(yè)難題的最佳解決方案,需要綜合目標(biāo)檢測(cè)、圖像分類、度量學(xué)習(xí)、圖像檢索等多重技術(shù),然而對(duì)一些開發(fā)者來說,確實(shí)存在較高的開發(fā)門檻。而近期,飛槳推出了一個(gè)全開源、輕量級(jí)圖像識(shí)別系統(tǒng)PP-ShiTu,完美解決上述產(chǎn)業(yè)落地中的重重難點(diǎn),CPU上僅需0.2s輕松識(shí)別十萬類,而且十分簡(jiǎn)單易用。

    PP-ShiTu技術(shù)報(bào)告地址:
    http://arxiv.org/abs/2111.00775

    鏈接指路:
    https://github.com/PaddlePaddle/PaddleClas
    (Star??收藏一下,不易走丟哦)

    話不多說,讓我們直接來看看這個(gè)圖像識(shí)別系統(tǒng)的架構(gòu):

    圖1 PP-ShiTu架構(gòu)示意圖

    01.輕量的主體檢測(cè)




    PP-ShiTu的第一個(gè)模塊是主體檢測(cè),它的作用是在圖像中找出主體目標(biāo)的區(qū)域。PP-ShiTu在這個(gè)模塊中采用了超高性價(jià)比的目標(biāo)檢測(cè)算法——PP-PicoDet。PP-PicoDet在驍龍865上,單張圖像21ms的預(yù)測(cè)速度下,在COCO數(shù)據(jù)集mAP可以達(dá)到36.3%;相同環(huán)境下,精度優(yōu)于YOLOv5n和YOLOX-nano 8個(gè)點(diǎn)以上。而它的出現(xiàn),使PP-ShiTu的主體檢測(cè)模塊,相比上一個(gè)版本在精度幾乎不變的情況下,預(yù)測(cè)速度提升了15倍以上!

    圖2 主體檢測(cè)新舊版本指標(biāo)對(duì)比圖

    PP-PicoDet技術(shù)報(bào)告地址:
    https://arxiv.org/abs/2111.00902

    02.高效的特征提取模塊




    PP-ShiTu的第二個(gè)模塊是特征向量提取。它的作用是將圖像轉(zhuǎn)換成特征向量,方便后續(xù)進(jìn)行檢索識(shí)別。PP-ShiTu采用CPU級(jí)輕量化骨干網(wǎng)絡(luò)PP-LCNet,并結(jié)合arcmargin算法,得到輕量化的特征提取模型。在 Intel至強(qiáng)6148處理器,PP-LCNet的單張圖像5.39ms的預(yù)測(cè)速度下,在ImageNet上Top1識(shí)別準(zhǔn)確率可以達(dá)到80.82%,準(zhǔn)確率超越大模型ResNet50的模型效果,而預(yù)測(cè)速度卻可以達(dá)到后者的3倍!PP-ShiTu充分挖掘該網(wǎng)絡(luò)的潛力,學(xué)習(xí)一個(gè)具有超強(qiáng)泛化能力的特征提取模型,同一模型可在多個(gè)數(shù)據(jù)集上同時(shí)達(dá)到較高精度。


    圖3 特征提取模型新舊版本指標(biāo)對(duì)比圖

    PP-LCNet技術(shù)報(bào)告地址:

    https://arxiv.org/abs/2109.15099

    ArcMargin文章地址:

    https://arxiv.org/abs/1801.07698



    03.向量檢索模塊

    PP-ShiTu的第三個(gè)模塊是向量檢索。當(dāng)獲得了圖像特征后,我們通過計(jì)算向量距離來獲得兩張圖像的相似度,進(jìn)一步通過向量檢索獲取最終識(shí)別結(jié)果。這種方式最大的優(yōu)點(diǎn)是,當(dāng)增加新的品類時(shí),不需要重新訓(xùn)練提取特征模型,僅需要更新檢索庫即可識(shí)別新的目標(biāo)。為了更好地兼容(Linux, Windows, MacOS)多平臺(tái),PP-ShiTu使用的向量搜索模塊Faiss。

    Faiss技術(shù)報(bào)告地址:
    https://arxiv.org/pdf/1702.08734.pdf

    而這樣一個(gè)高效的識(shí)別系統(tǒng)使用起來卻只需三步,絕對(duì)的 ”開箱即用”!

    • 第一步通過目標(biāo)檢測(cè)模型,進(jìn)行主體檢測(cè);

    • 第二步對(duì)每個(gè)候選區(qū)域進(jìn)行特征提取;

    • 第三步將特征提取后的向量在檢索庫中進(jìn)行檢索,完成匹配,返回識(shí)別結(jié)果。


    圖4 PP-ShiTu使用流程示例

    直播預(yù)告





    為了讓開發(fā)者更深入的了解PaddleClas并手把手教大家完成圖像識(shí)別系統(tǒng)的搭建,項(xiàng)目團(tuán)隊(duì)還精心準(zhǔn)備了為期4天的直播課程。11月2日-5日百度高工將為我們講解圖像識(shí)別產(chǎn)業(yè)應(yīng)用的方法和技巧,對(duì)各類痛難點(diǎn)解決方案進(jìn)行詳細(xì)拆解分析,現(xiàn)場(chǎng)還可以直接為大家進(jìn)行答疑,還在等什么!趕緊掃碼上車吧!

    掃碼報(bào)名直播課,加入技術(shù)交流群


    精彩內(nèi)容搶先看!長按收藏海報(bào)



    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/release/2.3

    Gitee: https://gitee.com/paddlepaddle/PaddleClas

    這么強(qiáng)大、用心的項(xiàng)目 ,還不趕緊給各位開發(fā)者一個(gè)Star??的鼓勵(lì)!
    https://github.com/PaddlePaddle/PaddleClas


    數(shù)據(jù)來源:部分圖片來源于網(wǎng)絡(luò),侵權(quán)可刪
    瀏覽 157
    點(diǎn)贊
    評(píng)論
    收藏
    分享

    手機(jī)掃一掃分享

    分享
    舉報(bào)
    評(píng)論
    圖片
    表情
    推薦
    點(diǎn)贊
    評(píng)論
    收藏
    分享

    手機(jī)掃一掃分享

    分享
    舉報(bào)

    <kbd id="5sdj3"></kbd>
    <th id="5sdj3"></th>

  • <dd id="5sdj3"><form id="5sdj3"></form></dd>
    <td id="5sdj3"><form id="5sdj3"><big id="5sdj3"></big></form></td><del id="5sdj3"></del>

  • <dd id="5sdj3"></dd>
    <dfn id="5sdj3"></dfn>
  • <th id="5sdj3"></th>
    <tfoot id="5sdj3"><menuitem id="5sdj3"></menuitem></tfoot>

  • <td id="5sdj3"><form id="5sdj3"><menu id="5sdj3"></menu></form></td>
  • <kbd id="5sdj3"><form id="5sdj3"></form></kbd>
    成人 无码 日韩精品 | 欧美肏屄 | 第一操逼视频 | 人妻在线导航 | 800av在线播放 |