任務6-3撲克牌識別——向量檢索與系統測試《智能機械臂控制》知識鏈接：特征提取模型特征提取特征提取模型知識鏈接：PP-ShiTu圖像識別系統深度學習PP-ShiTu輕量級通用圖像識別系統輸入圖像主體檢測物體特征提取向量檢索底庫圖片gallery（訓練集圖片）底庫圖片gallery特征庫識別結果特征提取知識鏈接：向量檢索向量檢索向量檢索：對于給定的查詢向量，與庫中所有的待查詢向量進行特征向量相似度或距離計算，選取相似度最高的作為結果輸出。特征提取特征提取底庫圖片底庫圖片特征庫物體物體特征向量檢索Result任務實施：向量檢索與系統測試Step01：通用主體檢測模型下載檢測模型下載主體檢測模型picodet_PPLCNet/dygraph/rec/models/inference/picodet_PPLCNet_x2_5_mainbody_lite_v1.0_infer.zipPaddleClas-release-2.5/deploy目錄下，新建文件夾models解壓到models目錄下輸入圖像主體檢測物體Step02：建立索引建立索引（1）索引文件配置

推理模型拷貝：

PaddleClas-release-2.5目錄下的inference

拷貝到：

PaddleClas-release-2.5\deploy\modelsStep02：建立索引建立索引（1）索引文件配置

修改：PaddleClas-release-2.5\deploy\configs\inference_general.yaml測試圖片路徑主體檢測模型分類識別模型不使用GPUStep02：建立索引建立索引（1）索引文件配置

修改：PaddleClas-release-2.5\deploy\configs\inference_general.yaml數據集路徑索引保存路徑數據集分割文件路徑分隔符替換為空格Step02：建立索引建立索引（2）修改索引庫編譯文件

修改PaddleClas-release-2.5/deploy/pythonpython/build_gallery.py分隔符修改為空格Step02：建立索引建立索引（3）建立索引庫

cdPaddleClas-release-2.5/deploypythonpython/build_gallery.py-cconfigs/inference_general.yamlStep03：系統測試系統測試dataset中，新建testImage文件夾，放入待測試的圖片。

cdPaddleClas/deploypythonpython/predict_system.py

-cconfigs/inference_general.yaml-oGlobal.infer_imgs="../dataset/puke_dataset/testImage/3D_106_001.JPG"-oIndexProcess.index_dir="../dataset/puke_dataset_index/index"推理參數文件測試圖片路徑庫索引路徑Step03：系統測試系統測試Step03：系統測試系統測試添加測試圖片puke\PaddleClas-release-2.5\dataset\puke_dataset\testImage通過pycharm打開puke文件夾，運行predict_pic.pyStep03：系統測試系統測試測試結果Step03：系統測試系統測試測試結果Step04：優化與種類更新系統優化如果識別率不高或者需要增加新的種類，則需再次采集圖片并創建索引。（1）參照任務6-1，采集數據、標注數據、圖像分割。（2）將采集的圖片，拷貝到S3_dataset/train下相應的文件夾，

運行S11_changeFileName.py，將圖片重命名

。（3）運行S3_dataset/S14_process_format.py生成圖像信息文件。（4）S3_dataset中文件和文件夾，拷貝到

PaddleClas-release-2.5\dataset\puke_dataset，覆蓋原來的文件。（5）更新索引庫：pythonpython/build_gallery.py-cconfigs/inference_general.yamlStep04：優化與種類更新系統優化【優化流程】

采集現場圖片，增加每個類別的圖片數量，更新索引。

通過pycharm打開puke文件夾，運行predict_video.pyStep04：優化與種類更新系統優化現場視頻測