用CPU 0.2秒轻松识别十万类，超强图像识别系统PP-ShiTu重磅发布

说到图像识别，有些人可能会一头雾水，其实图像识别早已经成熟地应用在了各行各业。比如，正在进行中的双十一全民剁手节，相信很多小伙伴们都在某宝上解锁过以图搜图购物；越来越先进的自动驾驶道路街景识别；工业制造中不同组件的缺陷识别检测等等。

有的开发者看到这里可能会心存疑问：上面所说的场景为什么不直接用图像分类或者目标检测算法实现呢？

别急，让我们看看下面这些实际的产业难题你就会恍然大悟：

【品类更新频率高】像新零售这种行业，新品几乎都是按小时级别在更新！
【目标区分难度大】细分类差别极其细微，实际图像角度多变刁钻！
【算法复杂速度慢】业务上线预测速度要求极高，在闸机前不可能还需要等！

一个优秀的图像识别系统就是上述产业难题的最佳解决方案，需要综合目标检测、图像分类、度量学习、图像检索等多重技术，然而对一些开发者来说，确实存在较高的开发门槛。而近期，飞桨推出了一个全开源、轻量级图像识别系统PP-ShiTu，完美解决上述产业落地中的重重难点，CPU上仅需0.2s轻松识别十万类，而且十分简单易用。

PP-ShiTu技术报告地址：

http://arxiv.org/abs/2111.00775

链接指路：

https://github.com/PaddlePaddle/PaddleClas

（Star收藏一下，不易走丢哦~）

话不多说，让我们直接来看看这个图像识别系统的架构：

图1 PP-ShiTu架构示意图

轻量的主体检测

PP-ShiTu的第一个模块是主体检测，它的作用是在图像中找出主体目标的区域。PP-ShiTu在这个模块中采用了超高性价比的目标检测算法——PP-PicoDet。PP-PicoDet在骁龙865上，单张图像21ms的预测速度下，在COCO数据集mAP可以达到36.3%；相同环境下，精度优于YOLOv5n和YOLOX-nano 8个点以上。而它的出现，使PP-ShiTu的主体检测模块，相比上一个版本在精度几乎不变的情况下，预测速度提升了15倍以上！

图2 主体检测新旧版本指标对比图

PP-PicoDet技术报告地址：

https://arxiv.org/abs/2111.00902

高效的特征提取模块

PP-ShiTu的第二个模块是特征向量提取。它的作用是将图像转换成特征向量，方便后续进行检索识别。PP-ShiTu采用CPU级轻量化骨干网络PP-LCNet，并结合arcmargin算法，得到轻量化的特征提取模型。在 Intel至强6148处理器，PP-LCNet的单张图像5.39ms的预测速度下，在ImageNet上Top1识别准确率可以达到80.82%，准确率超越大模型ResNet50的模型效果，而预测速度却可以达到后者的3倍！PP-ShiTu充分挖掘该网络的潜力，学习一个具有超强泛化能力的特征提取模型，同一模型可在多个数据集上同时达到较高精度。

图3 特征提取模型新旧版本指标对比图

PP-LCNet技术报告地址：

https://arxiv.org/abs/2109.15099

ArcMargin文章地址：

https://arxiv.org/abs/1801.07698

向量检索模块

PP-ShiTu的第三个模块是向量检索。当获得了图像特征后，我们通过计算向量距离来获得两张图像的相似度，进一步通过向量检索获取最终识别结果。这种方式最大的优点是，当增加新的品类时，不需要重新训练提取特征模型，仅需要更新检索库即可识别新的目标。为了更好地兼容(Linux, Windows, MacOS)多平台，PP-ShiTu使用的向量搜索模块Faiss。

Faiss技术报告地址：

https://arxiv.org/pdf/1702.08734.pdf

而这样一个高效的识别系统使用起来却只需三步，绝对的 ”开箱即用”！