PaddleHub (1)

1、PaddleHub是什么？
PaddleHub是飞桨预训练模型管理和迁移学习工具，通过PaddleHub开发者可以使用高质量的预训练模型结合Fine-tune API快速完成迁移学习到应用部署的全流程工作。
2、PaddleHub可以干什么？
通过PaddleHub，开发者可以便捷地获取飞桨生态下的所有预训练模型，涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、语言模型、视频分类、图像生成、图像分割等主流模型。
成功案例：
（1）西安交通大学：手势识别交互
手势识别交互系统通过调用Android摄像头，将采集的图片通过训练好的基于PaddlePaddle的神经网络进行识别。根据识别结果，向交互式APP（神庙逃亡、贪吃蛇等）下发对应控制命令，实现在屏幕端实时控制目标应用。
（2）上海商学院：垃圾分类
运用 PaddlePaddle 深度学习框架，构架了基于 MobilenetSSD 和 ResNet50 深度神经网络的边云协同模型，进行可回收垃圾的图像分类和目标识别，图像分类识别准确度可以达到 88%，目标识别准确度可以达到 65%，超过使用“SVM 模型”63%的可回收垃圾图像识别率。
（3）中南大学：AI知肤宝
本项目构建了一个基于临床图像和病史数据的皮肤疾病全病种分类系统，并以此开发微信小程序——AI知肤宝，依托用户量庞大的微信小程序为广大用户提供皮肤健康状况的在线测试服务。
（4）厦门大学：智能面包自助结算系统
本系统面向新零售领域，基于人工智能和移动联网技术，以切实落地改善人们生活为目标，采用自行设计的轻量级目标识别算法识别面包，完成订单的生成，采用轻量级人脸识别算法识别人脸完成用户注册和付款，结合收银终端及语音提示实现面包自助结算。
（paddlehub官网 https://www.paddlepaddle.org.cn/hub ）
3、我想做：
我目前想做一个视频分类的应用，PaddleHub现已开源适用于视频分类的预训练模型——videotag_tsn_lstm。该 Module 是一个基于千万短视频预训练的视频分类模型，可直接预测短视频的中文标签。由于模型基于百度实际短视频场景中的大规模数据训练得到，在实际业务中取得89.9%的Top-1精度，同时具有良好的泛化能力，因此适用于多种短视频中文标签分类场景。