简体中文 | English
飞桨图像识别套件PaddleClas是飞桨为工业界和学术界所准备的一个图像识别和图像分类任务的工具集，助力使用者训练出更好的视觉模型和应用落地。
| PP-ShiTuV2图像识别系统效果展示 | PULC实用图像分类模型效果展示 |
|---|---|
 |  |
🔥2024.11.5 添加图像分类和图像检索领域低代码全流程开发能力:
2022.9.13 发布超轻量图像识别系统PP-ShiTuV2：
PaddleClas支持多种前沿图像分类、识别相关算法，发布产业级特色骨干网络PP-HGNet、PP-LCNetv2、 PP-LCNet和SSLD半监督知识蒸馏方案等模型，在此基础上打造PULC超轻量图像分类方案和PP-ShiTu图像识别系统。
上述内容的使用方法建议从文档教程中的快速开始体验
| 模型简介 | 应用场景 | 模型下载链接 |
|---|---|---|
| PULC 超轻量图像分类方案 | 固定图像类别分类方案 | 人体、车辆、文字相关9大模型：模型库连接 |
| PP-ShituV2 轻量图像识别系统 | 针对场景数据类别频繁变动、类别数据多 | 主体检测模型：预训练模型 / 推理模型 识别模型：预训练模型 / 推理模型 |
| PP-LCNet 轻量骨干网络 | 针对Intel CPU设备及MKLDNN加速库定制 | PPLCNet_x1_0：预训练模型 / 推理模型 |
| PP-LCNetV2 轻量骨干网络 | 针对Intel CPU设备，适配OpenVINO | PPLCNetV2_base：预训练模型 / 推理模型 |
| PP-HGNet 高精度骨干网络 | GPU设备上相同推理时间精度更高 | PPHGNet_small：预训练模型 / 推理模型 |
全部模型下载链接可查看 文档教程 中的各模型介绍
PP-ShiTuV2是一个实用的轻量级通用图像识别系统，主要由主体检测、特征学习和向量检索三个模块组成。该系统从骨干网络选择和调整、损失函数的选择、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型裁剪量化多个方面，采用多种策略，对各个模块的模型进行优化，PP-ShiTuV2相比V1，Recall1提升近8个点。更多细节请参考PP-ShiTuV2详细介绍。
本项目的发布受Apache 2.0 license许可认证。
我们非常欢迎你为PaddleClas贡献代码，也十分感谢你的反馈。 如果想为PaddleCLas贡献代码，可以参考贡献指南。
FAQs
A treasure chest for visual recognition powered by PaddlePaddle.
We found that paddleclas demonstrated a healthy version release cadence and project activity because the last version was released less than a year ago. It has 3 open source maintainers collaborating on the project.
Did you know?
Socket for GitHub automatically highlights issues in each pull request and monitors the health of all your open source dependencies. Discover the contents of your packages and block harmful activity before you install or update your dependencies.
Research
Security News
Malicious Go packages are impersonating popular libraries to install hidden loader malware on Linux and macOS, targeting developers with obfuscated payloads.
Security News
Bybit's $1.46B hack by North Korea's Lazarus Group pushes 2025 crypto losses to $1.6B in just two months, already surpassing all of 2024's $1.49B total.
Security News
OpenSSF has published OSPS Baseline, an initiative designed to establish a minimum set of security-related best practices for open source software projects.
