首页 > 最新资讯 > 在 NVIDIA NGC 上体验轻量级图像识别系统
在 NVIDIA NGC 上体验轻量级图像识别系统

在 NVIDIA NGC 上体验轻量级图像识别系统

2022-11-29 12:07

#人工智能 #深度学习


 

PaddleClas 发版 v2.5,带来全新升级的 PP-ShituV2 轻量级图像识别系统。欢迎广大开发者使用 NVIDIA 与飞桨联合深度适配的 NGC 飞桨容器在 NVIDIA GPU 上体验!

1. PaddleClas v2.5 版本升级

图像识别作为深度学习算法的主流实践应用方向,早已在生活的各个领域发挥作用。如安全检查、身份核验时的人脸识别;无人货架、智能零售柜中的商品识别,其背后的关键技术都在于此。

图1 PP-ShiTuV2 实际预测效果示意图

然而实现理想的识别效果却并不容易:

针对海量数据,不同场景均实现优秀的表征能力,能否一套方案全搞定

不同物品的差别极其微小,或者同类物品由于受到外界干扰却呈现不同形态,究竟如何进行有效区分?

识别需求更新频繁,使用单一模型必须不断重训模型,怎样才能降低开发成本,快速跟上迭代步伐?

此次 PaddleClas 最新升级发布的通用图像识别系统 PP-ShiTuV2 完美解决以上难点,无需训练,一套模型即可完成 20+ 高频场景的图像识别;对于新增类别更是只需两步即可添加入库,实现精准识别。

 

图2 PP-ShiTuV2覆盖场景列表

项目链接:

 

https://github.com/PaddlePaddle/PaddleClas

1.1 PP-ShiTuV2 图像识别系统优化策略概述

这样的特殊能力,得益于 PP-ShiTuV2 通过集合目标检测、度量学习、图像检索等技术,形成完整的图像识别系统;但其中每个模块又相互解耦,并将每个模块性能最大化,结合自研 PP系列骨干网络,才实现了仅 15M 的 All-in-One 超轻量图像识别系统。

图3 PP-ShiTuV2 结构示意图

轻量骨干网络 PP-LCNet v2,配合 SSLD 蒸馏算法,模型精度大幅提升。

超轻量主体检测算法 PP-PicoDet,快速检测出图像中的目标物体。

基于 ReID Strong Baseline 等方法,对特征提取模块进一步优化,精度提升 8 个点。

表1 PP-ShiTuV2 性能对比

更多详细文档,请参考:

https://github.com/PaddlePaddle/PaddleClas/tree/release/2.5/docs/zh_CN/models/PP-ShiTu

PaddleClas 研发团队详解 PP-ShituV2 优化策略与真实产业应用三日课回放,可以扫描下方二维码,加入 PaddleClas 官方交流群获取。除此之外,入群福利还包括:20+ 高频场景数据集、4 个垂类模型、70+ 前沿论文集合等。

 

 

2. NGC 飞桨容器介绍

如果您希望体验 PaddleOCRv2.6 的新特性,欢迎使用 NGC 飞桨容器。NVIDIA 与百度飞桨合作开发了 NGC 飞桨容器,将最新版本的飞桨与最新的 NVIDIA 的软件栈(如 CUDA)进行了无缝的集成与性能优化,最大程度的释放飞桨框架在 NVIDIA 最新硬件上的计算能力。这样,用户不仅可以快速开启 AI 应用,专注于创新和应用本身,还能够在 AI 训练和推理任务上获得飞桨+NVIDIA 带来的飞速体验。

最佳的开发环境搭建工具 - 容器技术。

容器其实是一个开箱即用的服务器。极大降低了深度学习开发环境的搭建难度。例如你的开发环境中包含其他依赖进程(redis,MySQL,Ngnix,selenium-hub等等),或者你需要进行跨操作系统级别的迁移。

容器镜像方便了开发者的版本化管理

容器镜像是一种易于复现的开发环境载体

容器技术支持多容器同时运行

最好的 PaddlePaddle 容器

NGC 飞桨容器针对 NVIDIA GPU 加速进行了优化,并包含一组经过验证的库,可启用和优化 NVIDIA GPU 性能。此容器还可能包含对 PaddlePaddle 源代码的修改,以最大限度地提高性能和兼容性。此容器还包含用于加速 ETL(DALI, RAPIDS)、训练(cuDNN, NCCL)和推理(TensorRT)工作负载的软件。

PaddlePaddle 容器具有以下优点:

适配最新版本的 NVIDIA 软件栈(例如最新版本CUDA),更多功能,更高性能。

更新的 Ubuntu 操作系统,更好的软件兼容性

按月更新

满足 NVIDIA NGC 开发及验证规范,质量管理

通过飞桨官网快速获取

环境准备

使用 NGC 飞桨容器需要主机系统(Linux)安装以下内容:

Docker 引擎

NVIDIA GPU 驱动程序

NVIDIA 容器工具包

有关支持的版本,请参阅 NVIDIA 框架容器支持矩阵和 NVIDIA 容器工具包文档

不需要其他安装、编译或依赖管理。无需安装 NVIDIA CUDA Toolkit。

NGC 飞桨容器正式安装:

要运行容器,请按照 NVIDIA Containers For Deep Learning Frameworks User’s Guide 中 Running A Container 一章中的说明发出适当的命令,并指定注册表、存储库和标签。有关使用 NGC 的更多信息,请参阅 NGC 容器用户指南。如果您有 Docker 19.03 或更高版本,启动容器的典型命令是:

*详细安装介绍 《NGC 飞桨容器安装指南》

https://www.paddlepaddle.org.cn/documentation/docs/zh/install/install_NGC_PaddlePaddle_ch.html

*详细产品介绍视频

【飞桨开发者说|NGC飞桨容器全新上线 NVIDIA产品专家全面解读】 

https://www.bilibili.com/video/BV16B4y1V7ue?share_source=copy_web&vd_source=266ac44430b3656de0c2f4e58b4daf82
 

 

相关新闻