基于NGC飛槳容器PP-ShituV2 輕量級(jí)圖像識(shí)別系統(tǒng)

PaddleClas 發(fā)版 v2.5，帶來(lái)全新升級(jí)的 PP-ShituV2 輕量級(jí)圖像識(shí)別系統(tǒng)。歡迎廣大開(kāi)發(fā)者使用 NVIDIA 與飛槳聯(lián)合深度適配的 NGC 飛槳容器在 NVIDIA GPU 上體驗(yàn)！

1. PaddleClas v2.5 版本升級(jí)

圖像識(shí)別作為深度學(xué)習(xí)算法的主流實(shí)踐應(yīng)用方向，早已在生活的各個(gè)領(lǐng)域發(fā)揮作用。如安全檢查、身份核驗(yàn)時(shí)的人臉識(shí)別；無(wú)人貨架、智能零售柜中的商品識(shí)別，其背后的關(guān)鍵技術(shù)都在于此。

然而實(shí)現(xiàn)理想的識(shí)別效果卻并不容易:

針對(duì)海量數(shù)據(jù)，不同場(chǎng)景均實(shí)現(xiàn)優(yōu)秀的表征能力，能否一套方案全搞定？

不同物品的差別極其微小，或者同類物品由于受到外界干擾卻呈現(xiàn)不同形態(tài)，究竟如何進(jìn)行有效區(qū)分？

識(shí)別需求更新頻繁，使用單一模型必須不斷重訓(xùn)模型，怎樣才能降低開(kāi)發(fā)成本，快速跟上迭代步伐？

此次 PaddleClas 最新升級(jí)發(fā)布的通用圖像識(shí)別系統(tǒng) PP-ShiTuV2 完美解決以上難點(diǎn)，無(wú)需訓(xùn)練，一套模型即可完成 20+ 高頻場(chǎng)景的圖像識(shí)別；對(duì)于新增類別更是只需兩步即可添加入庫(kù)，實(shí)現(xiàn)精準(zhǔn)識(shí)別。

圖2 PP-ShiTuV2覆蓋場(chǎng)景列表

項(xiàng)目鏈接:

https://github.com/PaddlePaddle/PaddleClas

1.1 PP-StructureV2 智能文檔分析系統(tǒng)優(yōu)化策略概述

這樣的特殊能力，得益于 PP-ShiTuV2 通過(guò)集合目標(biāo)檢測(cè)、度量學(xué)習(xí)、圖像檢索等技術(shù)，形成完整的圖像識(shí)別系統(tǒng)；但其中每個(gè)模塊又相互解耦，并將每個(gè)模塊性能最大化，結(jié)合自研 PP系列骨干網(wǎng)絡(luò)，才實(shí)現(xiàn)了僅 15M 的 All-in-One 超輕量圖像識(shí)別系統(tǒng)。

圖3 PP-ShiTuV2 結(jié)構(gòu)示意圖

輕量骨干網(wǎng)絡(luò) PP-LCNet v2，配合 SSLD 蒸餾算法，模型精度大幅提升。

超輕量主體檢測(cè)算法 PP-PicoDet，快速檢測(cè)出圖像中的目標(biāo)物體。

基于 ReID Strong Baseline 等方法，對(duì)特征提取模塊進(jìn)一步優(yōu)化，精度提升 8 個(gè)點(diǎn)。

表1 PP-ShiTuV2 性能對(duì)比

2. NGC 飛槳容器介紹

如果您希望體驗(yàn) PaddleOCRv2.6 的新特性，歡迎使用 NGC 飛槳容器。NVIDIA 與百度飛槳合作開(kāi)發(fā)了 NGC 飛槳容器，將最新版本的飛槳與最新的 NVIDIA 的軟件棧（如 CUDA）進(jìn)行了無(wú)縫的集成與性能優(yōu)化，最大程度的釋放飛槳框架在 NVIDIA 最新硬件上的計(jì)算能力。這樣，用戶不僅可以快速開(kāi)啟 AI 應(yīng)用，專注于創(chuàng)新和應(yīng)用本身，還能夠在 AI 訓(xùn)練和推理任務(wù)上獲得飛槳+NVIDIA 帶來(lái)的飛速體驗(yàn)。

最佳的開(kāi)發(fā)環(huán)境搭建工具 - 容器技術(shù)。

容器其實(shí)是一個(gè)開(kāi)箱即用的服務(wù)器。極大降低了深度學(xué)習(xí)開(kāi)發(fā)環(huán)境的搭建難度。例如你的開(kāi)發(fā)環(huán)境中包含其他依賴進(jìn)程（redis，MySQL，Ngnix，selenium-hub等等），或者你需要進(jìn)行跨操作系統(tǒng)級(jí)別的遷移。

容器鏡像方便了開(kāi)發(fā)者的版本化管理

容器鏡像是一種易于復(fù)現(xiàn)的開(kāi)發(fā)環(huán)境載體

容器技術(shù)支持多容器同時(shí)運(yùn)行

最好的 PaddlePaddle 容器

NGC 飛槳容器針對(duì) NVIDIA GPU 加速進(jìn)行了優(yōu)化，并包含一組經(jīng)過(guò)驗(yàn)證的庫(kù)，可啟用和優(yōu)化 NVIDIA GPU 性能。此容器還可能包含對(duì) PaddlePaddle 源代碼的修改，以最大限度地提高性能和兼容性。此容器還包含用于加速 ETL（DALI, RAPIDS）、訓(xùn)練（cuDNN, NCCL）和推理（TensorRT）工作負(fù)載的軟件。

PaddlePaddle 容器具有以下優(yōu)點(diǎn)：

適配最新版本的 NVIDIA 軟件棧（例如最新版本CUDA），更多功能，更高性能。

更新的 Ubuntu 操作系統(tǒng)，更好的軟件兼容性

按月更新

滿足 NVIDIA NGC 開(kāi)發(fā)及驗(yàn)證規(guī)范，質(zhì)量管理

通過(guò)飛槳官網(wǎng)快速獲取

環(huán)境準(zhǔn)備

使用 NGC 飛槳容器需要主機(jī)系統(tǒng)（Linux）安裝以下內(nèi)容：

Docker 引擎

NVIDIA GPU 驅(qū)動(dòng)程序

NVIDIA 容器工具包

有關(guān)支持的版本，請(qǐng)參閱NVIDIA 框架容器支持矩陣和NVIDIA 容器工具包文檔。

不需要其他安裝、編譯或依賴管理。無(wú)需安裝 NVIDIA CUDA Toolkit。

NGC 飛槳容器正式安裝：

要運(yùn)行容器，請(qǐng)按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中Running A Container一章中的說(shuō)明發(fā)出適當(dāng)?shù)拿睿⒅付ㄗ?cè)表、存儲(chǔ)庫(kù)和標(biāo)簽。有關(guān)使用 NGC 的更多信息，請(qǐng)參閱 NGC 容器用戶指南。如果您有 Docker 19.03 或更高版本，啟動(dòng)容器的典型命令是：

編輯：黃飛