PaddlePaddle/PaddleClas

解決する課題

PaddleClasは、画像認識および分類タスクのための包括的なツールキットであり、産業界および学術界のユーザーが高性能なビジョンモデルを訓練し、実際のアプリケーションに展開できるよう設計されています。

仕組み

以下を含む、一連の専門的なツールとモデルを提供します：

• PP-ShiTuV2: メインボディ検出、特徴学習、ベクトル検索モジュールで構成される軽量な汎用画像認識システム。
• PULC: バックボーンネットワーク、データ拡張、蒸留を組み合わせることで、非常に低い推論レイテンシ（例：CPUで3ms）で高精度なモデルを作成する超軽量画像分類ソリューション。
• カスタムバックボーン: さまざまなハードウェア（例：Intel CPU、GPU）向けに最適化された、PP-HGNet、PP-LCNet、PP-LCNetv2などの産業グレードのバックボーンネットワーク。
• ローコード開発: PaddleXとの統合により、ユーザーはシンプルなPython APIまたはグラフィカルインターフェースを介して、100近いコアモデルを呼び出すことができ、エンドツーエンドの開発プロセスを簡素化します。

対象ユーザー

画像分類または認識システムを実装する必要がある、産業界および学術界の開発者や研究者。特にエッジデバイスや高性能なサーバーサイドの推論を対象とする方に適しています。

ハイライト

• 多様なモデルライブラリ: 顔認識、マルチラベル分類、汎用画像検索のための専門的なモデルが含まれています。
• ハードウェア最適化: NVIDIA GPUs、Kunlun、Ascend、Cambricon、Haiguangハードウェア間でのシームレスな切り替え。
• 詳細な展開オプション: Python/C++ 予測エンジン、サービスベースの展開（Paddle Serving）、エッジ展開（Paddle Lite）をサポート。
• 高度な訓練技術: 半教師あり知識蒸留（SSLD）、メトリック学習、モデル圧縮（プルーニングおよび量子化）を実装。