本文介绍了 AI Studio 中部分精选项目，将其产出的模型通过 EasyEdge 打包发布成移动端 APP 并提供下载 APP 的二维码，扫码下载可以快速便捷体验模型效果~

体验界面如下：

话不多说直接上项目~
1. PaddleHub人脸检测示例
本示例利用Ultra-Light-Fast-Generic-Face-Detector-1MB模型完成人脸检测。该模型是针对边缘计算设备或低算力设备(如用ARM推理)设计的实时超轻量级通用人脸检测模型，可以在低算力设备中如用ARM进行实时的通用场景的人脸检测推理。

项目链接：https://aistudio.baidu.com/aistudio/projectdetail/215962

效果图 & APP下载二维码

2. PaddleHub一键OCR中文识别
PaddleHub现已开源OCR文字识别的预训练模型

移动端的超轻量模型：超轻量ppocr_mobile移动端系列：检测（2.6M）+方向分类器（0.9M）+ 识别（4.6M）= 8.1M，仅有8.1M。

服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。

该 Module 用于识别图片当中的汉字、数字、字母。如果仅需要检测，也可单独使用chinese_text_detection_db_server或者chinese_text_detection_db_mobile得到检测结果的文本框

开发者可以基于PaddleHub提供的OCR中文识别Module，实现一键文字识别，适用于常见的OCR应用场景中。

项目链接：https://aistudio.baidu.com/aistudio/projectdetail/507159

效果图 & APP下载二维码

3. 基于YoloV3的螺丝螺母检测
YOLOv3 是由 Joseph Redmon 和 Ali Farhadi 提出的单阶段检测器, 该检测器与达到同样精度的传统目标检测方法相比，推断速度能达到接近两倍.

本文使用PaddlePaddle来复现经典检测模型Yolo v3，并基于螺丝螺母数据集复现效果

项目链接：https://aistudio.baidu.com/aistudio/projectdetail/122277

效果图 & APP下载二维码

4. 图像分类-ResNet
ResNet(Residual Network)是2015年ImageNet图像分类、图像物体定位和图像物体检测比赛的冠军。针对随着网络训练加深导致准确度下降的问题，ResNet提出了残差学习方法来减轻训练深层网络的困难。在已有设计思路(BN, 小卷积核，全卷积网络)的基础上，引入了残差模块。每个残差模块包含两条路径，其中一条路径是输入特征的直连通路，另一条路径对该特征做两到三次卷积操作得到该特征的残差，最后再将两条路径上的特征相加。

本项目基于 ResNet 完成鲜花分类。 使用公开的鲜花据集，数据集压缩包里包含五个文件夹，每个文件夹一种花卉，每种各690-890张不等。分别是雏菊，蒲公英，玫瑰，向日葵，郁金香。

项目链接：https://aistudio.baidu.com/aistudio/projectdetail/56779

APP下载二维码

EasyEdge端与边缘AI服务平台
EasyEdge是基于百度飞桨轻量化推理框架Paddle Lite研发的端与边缘AI服务平台，能够帮助深度学习开发者将自建模型快速部署到设备端。只需上传模型，最快2分种即可获得适配终端硬件/芯片的模型。

目前，EasyEdge已与EasyDL&BML深度打通，支持将模型发布为适配各类芯片与操作系统的SDK，助力AI能力在各行各业加速落地

EasyEdge官网链接：https://ai.baidu.com/easyedge

【本文转自：https://aistudio.baidu.com/aistudio/projectdetail/1659928】