PP-ShiTu V2在V1的基础上进行了优化,采用了更优的骨干网络、损失函数与训练策略,使得其在多个实际应用场景上的检索性能有显著提升。此外,V2还针对训练数据集和特征提取部分进行了优化,进一步提高了识别精度和泛化能力。 二、实际应用 PP-ShiTu V1/V2在多个领域具有广泛的应用价值。例如,在收银台视觉识别项目中,PP...
图像识别系统 PP-ShiTu v2 核心技术解读 这样的特殊能力，得益于 PP-ShiTu v2 通过集合目标检测、度量学习、图像检索等技术，形成完整的图像识别系统；但其中每个模块又相互解耦，并将每个模块性能最大化，结合自研 PP 系列骨干网络，才实现了量化后仅 15M 的 All-in-One 超轻量图像识别系统。图5 PP-ShiTu v...
在具体使用时,请替换好自己的数据集及模型文件。 cdPaddleClas/deploy/shitu_index_manager# 新建模型目录mkdir modelscdmodels# 下载及解压识别模型wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/PP-ShiTuV2/general_PPLCNetV2_base_pretrained_v1.0_infer.tar&&tar -xf ...
shitu_index_manager ├── client.py ├── drink_dataset_v2.0 # 示例数据集│ ├── gallery │ ├── index │ └── test_images ├── index_manager.py ├── mod ├── models │ └── general_PPLCNetV2_base_pretrained_v1.0_infer # 识别模型├── resource ├── server.py...
考虑到特征提取模型的速度、模型大小、特征提取性能等因素,最终选择 PaddleClas 自研的 PPLCNetV2_base 作为特征提取网络。相比 PP-ShiTuV1 所使用的 PPLCNet_x2_5, PPLCNetV2_base 基本保持了较高的分类精度,并减少了40%的推理时间*。注: *推理环境基于 Intel(R) Xeon(R) Gold 6271C CPU @ 2.60GHz...
服务端主体检测模型 PP-YOLOv2 地址 tar 格式文件地址zip 格式文件地址 42.5% 210.5 466.6 可以按照下面的命令下载并解压数据与模型 mkdir models cd models # 下载识别inference模型并解压 wget {模型下载链接地址} && tar -xf {压缩包的名称} cd .. # 下载demo数据并解压 wget {数据下载链接地址} && tar...
picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.tar # 下载并解压特征提取模型 wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/PP-ShiTuV2/general_PPLCNetV2_base_pretrained_v1.0_infer.tar tar -xf general_PPLCNetV2_base_pretrained_v1.0_infer.tar cd .....
PP-ShiTuV2 默认的识别模型是PPLCNetV2_base_ShiTu,如果希望使用提取特征能力更强的识别模型,请参考特征抽取文档。 2. 模型快速体验 可以通过扫描二维码或者点击链接下载并安装APP 然后将以下体验图片保存到手机上: 打开安装好的APP,点击下方“本地识别”按钮,选择上面这张保存的图片,再点击确定,就能得到如下识别结果...
//paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/PP-ShiTuV2/general_PPLCNetV2_base_pretrained_v1.0_infer.tar tar -xf general_PPLCNetV2_base_pretrained_v1.0_infer.tarcd.. mkdir datacddata wget https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/data/...