一、PaddlePaddle与PaddleHub
飞桨(PaddlePaddle)是百度自主研发的集深度学习核心框架、工具组件和服务平台为一体的技术领先、功能完备的开源深度学习平台，有全面的官方支持的工业级应用模型，涵盖自然语言处理、计算机视觉、推荐引擎等多个领域，并开放多个预训练中文模型。目前已经被中国企业广泛使用，并拥有活跃的开发者社区生态。PaddlePaddle同时支持稠密参数和稀疏参数场景的大规模深度学习并行训练，支持千亿规模参数、数百个节点的高效并行训练。PaddlePaddle拥有多端部署能力，支持服务器端、移动端等多种异构硬件设备的高速推理，预测性能有显著优势。目前PaddlePaddle已经实现了API的稳定和向后兼容，具有完善的中英双语使用文档。
PaddleHub是飞桨(PaddlePaddle)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。其提供了飞桨生态下的高质量预训练模型，涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型。
基于预训练模型，PaddleHub支持以下功能：
1、命令行工具，通过Python API或命令行方便快捷地完成模型的搜索、下载、安装、升级、预测等功能
2、迁移学习，用户通过Fine-tune API，只需要少量代码即可完成自然语言处理和计算机视觉场景的深度迁移学习。
3、服务化部署，简单一行命令即可搭建属于自己的模型的API服务。
4、超参优化，自动搜索最优超参，得到更好的模型效果。
二、PaddleHub应用
1、人脸关键点检测
对图片中的人脸进行关键点定位，并返回常用的72、150、201人脸关键点坐标位置，包括人脸轮廓、眼睛、眉毛、嘴唇以及鼻子轮廓等，可应用于美颜拍摄、视频贴纸等场景。
2、人脸口罩检测与识别
通过人脸和人体分析的方式检测用户是否佩戴口罩，并且在佩戴口罩的情况下进行人脸识别，实现身份验证，广泛应用于戴口罩刷脸通行，公共区域佩戴口罩检查，驾驶员佩戴口罩检查等。
3、情感分析
自动对包含主观信息的文本进行情感倾向性判断，为口碑分析、话题监控、舆情分析等应用提供基础技术支持，同时支持用户自行定制模型效果调优，应用于评论分析与决策，评论分类，舆情监控等。
4、视频分类
对给定的视频片段，对其中包含的内容进行分类，类别通常是动作（如做蛋糕），场景（如海滩），物体（如桌子）等。
三、我的想法
我对人脸关键点检测比较感兴趣，想尝试通过PaddleHub进行人脸关键点检测对视频进行贴图，达到娱乐效果。
