百度飞桨PaddleClas图像识别开源应用扫盲课笔记（一）

前言：
百度PaddlePaddle团队今晚第一次在线直播课，本好奇宝宝进群后，一面面知识的壁垒立在我的面前，让我看到无数不了解的中英文词汇，但是这并没有打击到我小强般坚强的心，我就是一个“调包侠”，我告诉我自己，我不应当为自己不懂细节，原理而羞愧，为了增强这个信念，我在知乎找到了对于调包侠的赞歌：

“从明天起，让我们做一名出色的调包侠。请更加细心地观察工作生活中的痛点，然后开阔思路，运用现成的程序包来做一些尝试与改进。以此来发挥出machine learning真正的威力。你应该因为成功地解决了现实问题而欣喜，而不是因为将细枝末节搞得来更加晦涩而兴奋不已。”

所谓开源，提供零代码AI使用平台，降低门槛，不正是为更多的调包侠可以付费购买AI服务吗？调包侠才是付费的金主啊。

好，闲话不多说，虽然“因为不懂、所以成为了老板”的我不太懂技术，让很多懂的小朋友问老板招人不，但是老板也是爱学习呀，今天才上完的课，课件还没有发，我就把听课笔记整理好了。

不想掉入细节，只想快速应用的小伙伴们，一起来看看吧。
先看一个今日课程主题图：

如果不想深究细节的人，恭喜你已经看完了！请跳转看下一篇。

爱学习的宝宝请继续。

什么是图像识别？

图像识别领域的三类应用状况

PaddleClas核心优势

勿忘初心

什么是图像识别？

图像识别和图像分类是不同的模型，分类是区分出类别，而图像识别是识别里面有什么。模型和结果是不一样的。

OCR和故障检测，实际上已经有特定的模型，形成了特定的分支，不是PaddleClas的应用领域。它责任的领域是：

扒一扒历史，早在2年前，PaddleClas最早以图像分类开始，逐渐扩展到图像识别。

业内人很懂，但是我是第一次看到，一个图像识别的过程。

所谓yolo算法其实是you look only once的缩写，果然是看一次就得到了特征参数。

接下来是图像识别领域的技术难点：

图像识别领域的三类应用状况

在这样的背景下，PaddleClas开源，解决现存的问题，这是基本的商业逻辑呈现。而AI算法和代码，这么“珍贵”的资源开源，花巨资研发的代码免费公开出来，说明有更有价值的东西，需要舍弃源码来获得，做开源的意义是先通过开源来试水，究竟什么场景首先解决应用上，解决了问题，而不要因为短期商业汇报入不敷出，而卡住了技术应用。

PaddleClas核心优势

包含四个现成的模型库，也就是不需要再训练的AI模型。

具体优势说明我就不上图了。

以上的记录虽然目前还不能完全理解，但是相信也会对没能参加线上直播的小伙伴们有所帮助。希望未来成为一个合格的调包侠时，这些能成为我发表真知灼见的牛皮。

扫盲课程是给我们一个宏观的认识，技术达到什么样的程度，解决了那些问题才到了今天的水平，如果是真的要学调包，还是要去看文档，运行一下代码，嗯嗯，学完再操作一边。

勿忘初心

最后，听课时，容易被技术细节看花了眼，被折服，倾倒，但是不要往了自己的初衷，我们是希望了解和掌握百度AI的能力，抛开技术细节，在AI的技术底座上，解决我们所能掌握的场景下遇到的问题，其实除了算法工程师，AI工程师之外，我们都应当做好一个调包侠，应用专家，行业专家，甚至生活小能手，希望在接下来的几天里，能够把PaddleClas跑一遍，完成源码识别和AI调用。

如果你是像我一样，对物联网，AI技术应用感兴趣的小伙伴，欢迎关注我的CSDN，我们一起研究如何享受BAT技术创新的成果，享受时代的技术红利。加V-Paulmark进行更多维度的交流。