說到圖像識別相信大家已經非常熟悉了，這一技術早就深深融入我們生活的方方面面，小到人臉解鎖、支付、打卡、酒店入住，攝像頭中的違規駕駛識別，網購明星同款時的以圖搜圖，大到自動駕駛汽車中的駕駛輔助，醫療影像的輔助診斷，圖像視頻的分析、編輯、再創造等等。。。

有人會問，你說的這些不都是圖像分類、目標檢測的應用么？但這背后遠遠不止這些，還有度量學習和圖像檢索等，現在更有集合各種功能的【通用圖像識別系統】，讓你擁有一套系統就可以輕松擁有各行各業的解決方案，將上述應用場景一網打盡！

趕緊Star收藏住：

https://github.com/PaddlePaddle/PaddleClas

那這個項目到底有什么過人之處，圖像識別又比圖像分類、目標檢測強在哪里呢？

拿［商品識別］舉個栗子，如果你用單純的圖像分類和目標檢測，你會發現：

商品類別數以萬計：根本沒法事先把所有類別都放入訓練集！訓練集都不完備怎么訓練算法？

樣本類別極不均衡：每類商品的數量分布參差不齊，有的類別只有1、2張圖片！這樣的類別即使投入算法訓練，識別準確率也是非常非常低的。

品類更新極快：各個商家不停的推出新的品類，每增加新的產品都要辛辛苦苦重新訓練模型！

而使用圖像識別，不僅能將以上問題完美解決！而且上手極快，簡單易懂。準備好需要識別的物體圖片后，只需三步，多類別、小樣本、數據不均衡通通不再是問題！并且它除了商品識別，還可以進行車輛、人臉、Logo、行人識別！！！讓我們一起想識別什么就識別什么！（是自由的感覺沒錯了！）

并且這個圖像識別系統的4個核心構成模塊，都是經過精心打磨。無論是單獨使用亦或是串聯開發，都有非凡的效果：

主體檢測：采用高精準超輕量的PP-YOLOv2檢測算法，快速對圖像進行主體檢測，提升識別效率。骨干網絡：精選6個系列Backbone，覆蓋最精巧的移動端模型和高精準的服務端模型，支持對結構進行快速修改，滿足不同使用場景的需求。度量學習：集成ArcMargin， CenterLoss， TriHard等業界最領先的度量學習方法，并能任意組合，輕松訓練出魯棒的圖像特征。檢索系統：集成百度自研的M?bius算法，高效完成向量檢索，并能隨時更新檢索庫，一次訓練長期使用。

開發者不僅可以單獨或自主組裝使用這四個模塊，還可以直接采用構建好的車輛識別、LOGO識別、商品識別、動漫識別四個系統。只需要補充好檢索庫，就可以直接投產使用了！

這么強大、用心的項目 ，你還在等什么？！還不趕緊Star收藏上車吧！

編輯：jq