图像识别已经深入我们生活的各个方面，小到人脸解锁、支付、打卡、酒店入住、摄像头中的违规驾驶识别、网购明星同款时的以图搜图，大到自动驾驶汽车中的驾驶辅助，医疗影像的辅助诊断，图像视频的分析、编辑、再创造等。

图像识别分类、目标检测的实际应用背后远不止这些，而且综合运用「度量学习」与「图像检索」等，对于想深入研究图像识别领域的合作伙伴门槛极高。一套市场推出的图像识别系统神器，让一套系统就能轻松拥有各行各业的解决方案，将上述应用场景一网打尽。

图像识别系统到底有什么过人之处，图像识别又比图像分类好，目标检测强呢？

以“商品识别”为例，如果采用单纯的图像分类和目标检测，就会发现：

物品分类成千上万：根本就不能预先将所有的分类放入训练集，训练集不完善怎么训练算法？

样本类是极不平衡的：每种商品在数量上分布不一，有些类别只有1,2张图片。这种分类即使投入算法训练，识别准确率也是非常非常低的。

品种更新极快：个别商家不断推出新品种，每增加一款新产品都要辛辛苦苦地重新培养型号。

并且采用图像识别，不仅可以完美地解决上述问题，而且上手非常迅速，容易理解。在准备好需要识别的物体图片后，只需三步，多类别、小样本，数据不平衡不再是问题。而且除了商品识别外，还可以进行车辆、人脸、登录、行人识别。

其使用简单，在准备好需要识别的物体图片后，只需三步，想要识别什么就识别什么。

而这4个图像识别系统的核心组成模块，都是经过精心打磨的。无论单独使用，还是串联开发，都具有非凡的效果：

图像识别系统主干检测：使用高精度、超轻量的检测算法，快速检测图像，提高识别效率。

图像识别系统主干网络：覆盖最精巧的移动端模型和高精确的服务端模型，支持结构的快速修改，满足不同使用场景的需求。

图像识别系统测量学习：整合业界最先进的度量学习方法，并可任意组合，轻松训练出图像特征。

图像识别系统的查询系统：集成自研算法，高效地完成矢量检索，可随时更新检索库，一次训练长时间使用。

开发人员既可单独使用也可自行组装，也可直接采用构建良好的车辆识别、LOGO识别、商品识别、动画识别四个系统。只要补充好检索库，即可直接投入使用。