背景介绍
当类别调整时，需要重新训练模型，对于类别需要频繁更新的场景，而零售商品的更新迭代速度很快，每次更新都重新训练模型显然是不切实际的； 很多场景要求细粒度识别，即不同类别特征差异较小，使用目标检测或是图像分类无法做到很好的区分，例如对于饮料商品，不同品牌的外观差异并不大； 深度模型训练依赖海量数据，数据集质量会严重影响模型性能，然而高质量数据集的制作成本不菲； 开放域目标检测技术依赖语义信息进行识别，因此类别的语言标注严重影响识别结果，例如商品识别中“尖叫”、“红牛”等标签，其语义信息和饮料图像特征并无明显关联；
主体检测模块：不同于一般的目标检测，主体检测只需将全部前景目标物体识别出来；
图像特征模块：将主体检测模块识别得到的所有主体目标，通过深度学习模型提取得到对应的特征向量；
向量检索模块：计算特征向量和特征底库的相似度，从而得到对应目标的预测类别；
注：以上精度指标为 AliProducts recall@1。所有模型 GPU 推理耗时基于 NVIDIA Tesla T4 机器，精度类型为 FP32， CPU 推理速度基于 Intel(R) Xeon(R) Gold 5117 CPU @ 2.00GHz，线程数为8，精度类型为 FP32。
下面就从零开始，使用PaddleX体验通用图像识别系统 PP-ShiTuV2：
安装
# cpupython -m pip install paddlepaddle==3.0.0b2 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/# gpu，该命令仅适用于 CUDA 版本为 11.8 的机器环境python -m pip install paddlepaddle-gpu==3.0.0b2 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/# gpu，该命令仅适用于 CUDA 版本为 12.3 的机器环境python -m pip install paddlepaddle-gpu==3.0.0b2 -i https://www.paddlepaddle.org.cn/packages/stable/cu123/
pip install https://paddle-model-ecology.bj.bcebos.com/paddlex/whl/paddlex-3.0.0b2-py3-none-any.whl快速体验
PaddleX 提供了简单易用的 Python API，只需几行代码即可体验端到端预测效果，在PP-ShiTuV2的运行示例中需要预先构建索引库，您可以下载官方提供的饮料识别测试数据集，方便大家快速体验效果：
饮料识别测试数据集：
https://paddle-model-ecology.bj.bcebos.com/paddlex/data/drink_dataset_v2.0.tar
from paddlex import create_pipelinepipeline = create_pipeline(pipeline="PP-ShiTuV2")index_data = pipeline.build_index("drink_dataset_v2.0/", "drink_dataset_v2.0/gallery.txt")output = pipeline.predict("./drink_dataset_v2.0/test_images/", index=index_data)for res in output:res.print()res.save_to_img("./output/")
首先使用产线名称调用create_pipeline()方法实例化产线对象；
然后调用build_index()方法构建特征向量库；
最后即可使用predict()方法进行预测，对于预测结果支持print()方法进行打印，以及save_to_img()方法进行可视化并保存为图片。
PP-ShiTuV2预测可视化效果图
PP-ShiTuV2预测可视化效果图
二次开发
python main.py -c paddlex/configs/general_recognition/PP-ShiTuV2_rec.yaml \-o Global.mode=train \-o Global.dataset_dir=./dataset/Inshop_examples
通用图像识别产线使用教程
https://paddlepaddle.github.io/PaddleX/latest/pipeline_usage/tutorials/cv_pipelines/general_image_recognition.html
图像特征模块使用教程
https://paddlepaddle.github.io/PaddleX/latest/module_usage/tutorials/cv_modules/image_feature.html
主体检测模块使用教程
精彩课程预告
为了帮助您迅速且深入地了解全新升级的通用图像识别系统PP-ShiTuV2创新解决方案，百度研发工程师将于 11月21日（周四）19：00 为您深度解析本次技术升级。此外，我们还将开设针对通用图像识别模型产线的产业场景实战营，手把手带您体验从数据准备、数据校验、模型训练、性能优化到模型部署的完整开发流程。机会难得，立即扫描下方二维码预约吧！
关注【飞桨PaddlePaddle】公众号
获取更多技术内容~
