父老们，乡亲们！你知道人脸、商品、车辆识别，以图搜图乃至自动驾驶，背后的技术是什么嘛？

起初小编觉得不就是图像分类、目标检测这些东西嘛，有什么难的？但能熟练这些应用的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：这背后是综合使用目标检测、图像分类、度量学习、图像检索的【通用图像识别系统】…

度量学习是啥？图像检索是啥？通用图像识别系统又是啥？！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，小编突然发现了一个通用图像识别系统快速搭建神器！OMG！这不梦想一下就要实现了嘛！

赶紧Star收藏住：https://github.com/PaddlePaddle/PaddleClas

那这个项目到底有什么过人之处，图像识别又比图像分类、目标检测强在哪里呢？

拿[商品识别]举个栗子，如果你用单纯的图像分类和目标检测，你会发现：

• 商品类别数以万计：根本没法事先把所有类别都放入训练集！训练集都不完备怎么训练算法？
• 样本类别极不均衡：每类商品的数量分布参差不齐，有的类别只有1、2张图片！这样的类别即使投入算法训练，识别准确率也是非常非常低的。
• 品类更新极快：各个商家不停的推出新的品类，每增加新的产品都要辛辛苦苦重新训练模型！

而使用图像识别，不仅能将以上问题完美解决！而且上手极快，简单易懂。准备好需要识别的物体图片后，只需三步，多类别、小样本、数据不均衡通通不再是问题！并且它除了商品识别，还可以进行车辆、人脸、Logo、行人识别！！！让我们一起想识别什么就识别什么！（是自由的感觉没错了！）

并且这个图像识别系统的4个核心构成模块，都是经过精心打磨。无论是单独使用亦或是串联开发，都有非凡的效果：

主体检测：采用高精准超轻量的PP-YOLOv2检测算法，快速对图像进行主体检测，提升识别效率。

骨干网络：精选6个系列Backbone，覆盖最精巧的移动端模型和高精准的服务端模型，支持对结构进行快速修改，满足不同使用场景的需求。

度量学习：集成ArcMargin, CenterLoss, TriHard等业界最领先的度量学习方法，并能任意组合，轻松训练出鲁棒的图像特征。

检索系统：集成百度自研的Möbius算法，高效完成向量检索，并能随时更新检索库，一次训练长期使用。

开发者不仅可以单独或自主组装使用这四个模块，还可以直接采用构建好的车辆识别、LOGO识别、商品识别、动漫识别四个系统。只需要补充好检索库，就可以直接投产使用了！

有了它们的助力，看齐大厂程序员，年薪百万不是梦！（逐渐露出暴富的笑容~ ）

这么强大、用心的项目 ，你还在等什么？！还不赶紧Star收藏上车吧！

传送门：https://github.com/PaddlePaddle/PaddleClas

快速体验：

https://github.com/PaddlePaddle/PaddleClas/blob/release%2F2.2/docs/zh_CN/tutorials/quick_start_recognition.md