�？礎(chǔ)I開放平臺 V1.6.4 官方最新版

　　�？礎(chǔ)I開放平臺支持進行物體的檢測，連接電腦的攝像頭之后，就可以實現(xiàn)檢測功能了，擁有更加準(zhǔn)確的檢測功能，而且識別速度更加快速�？梢赃M行圖像的分類，智能AI快速分類，幫助你節(jié)省工作量和時間。里面還有數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型校驗、模型發(fā)布和導(dǎo)出等功能�？靵眢w驗試試吧。

功能特點

　　現(xiàn)在的深度學(xué)習(xí)算法是數(shù)據(jù)驅(qū)動的，但是用戶很難獲取海量的訓(xùn)練數(shù)據(jù)。為了幫助行業(yè)用戶突破數(shù)據(jù)鴻溝，AI開放平臺提供了基于領(lǐng)域模型的遷移學(xué)習(xí)能力。AI開放平臺訓(xùn)練了大量不同應(yīng)用領(lǐng)域的領(lǐng)域模型，根據(jù)用戶的任務(wù)，開放平臺會自動選擇的一個領(lǐng)域模型作為訓(xùn)練基礎(chǔ)，然后在這個訓(xùn)練基礎(chǔ)上利用場景數(shù)據(jù)進行遷移學(xué)習(xí)。

　　這張圖表是對船只圖像進行檢測的算法實驗結(jié)果，橫坐標(biāo)是參與訓(xùn)練的數(shù)據(jù)量，縱坐標(biāo)是檢測精度，虛線是遷移學(xué)習(xí)結(jié)果，實線是全量學(xué)習(xí)結(jié)果。從實驗數(shù)據(jù)可以看到，遷移學(xué)習(xí)僅用100張左右的訓(xùn)練樣本，算法就能獲得85%的檢測精度；而從頭開始訓(xùn)練的話要達(dá)到同樣性能則至少需要5000張樣本�；�于領(lǐng)域模型的遷移學(xué)習(xí)使用戶能夠用極少量的數(shù)據(jù)得到一個可用算法，極大的降低了用戶在數(shù)據(jù)上門檻。

　　為了幫助用戶進一步突破數(shù)據(jù)瓶頸，平臺還開發(fā)了虛擬數(shù)據(jù)引擎，它利用三維建模、光線追蹤、對抗學(xué)習(xí)等技術(shù)生成虛擬數(shù)據(jù)來豐富訓(xùn)練樣本。第一個視頻展示了虛擬生成的不同擺放位置和角度的貨架商品樣本；第二個視頻展示了通過模擬光斑，字符疊加效果，虛擬生成的制造工件樣本；第三個視頻展示了通過三維建模，虛擬生成的室內(nèi)場景。

　　虛擬數(shù)據(jù)引擎可以幫助用戶豐富訓(xùn)練樣本，大大降低了用戶的數(shù)據(jù)成本。

　　除了數(shù)據(jù)準(zhǔn)備之外，深度學(xué)習(xí)算法設(shè)計也是一件艱難的工作，它包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計和超參數(shù)的調(diào)整，一般都需要資深的算法工程師參與。為了幫助算法設(shè)計能力不足的用戶，我們開發(fā)了模型架構(gòu)搜索算法，該算法用龐大的計算能力自動尋找神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)解。由用戶提交任務(wù)并設(shè)定約束條件，例如算法所消耗的計算資源和內(nèi)存資源，由檢索引擎自動完成算法設(shè)計工作。AI開放平臺投入了大規(guī)模并行訓(xùn)練系統(tǒng)用以支持模型架構(gòu)搜索服務(wù)上線。

　　在完成模型訓(xùn)練后，算法在產(chǎn)品端的移植工作也需要投入大量研發(fā)工作。為了提升從算法到產(chǎn)品的研發(fā)效率，開放平臺開發(fā)了AI編譯器，AI編譯器利用神經(jīng)網(wǎng)絡(luò)圖優(yōu)化、匯編優(yōu)化、指令編譯優(yōu)化等技術(shù)手段實現(xiàn)了算法在各類芯片平臺上的自動優(yōu)化及部署。由上圖可以看到通過AI編譯器自動優(yōu)化的算法，其執(zhí)行效率大幅度優(yōu)于通用的優(yōu)化方法。AI編譯器現(xiàn)在已經(jīng)支持多種云端及邊緣端的計算平臺，使得人工智能算法在海康前后端產(chǎn)品的移植變得非常便捷。

　　AI開放平臺開放了大量�？狄延械闹悄軕�(yīng)用能力供行業(yè)用戶調(diào)用，包括各種視頻感知及跨媒體感知的能力。我們開放的視頻感知能力包括各種目標(biāo)的屬性識別能力，以及對多種物品和行為的精準(zhǔn)感知能力；平臺還提供文字識別和語音識別能力。平臺還提供多種跨媒體信息的融合感知能力。AI開放平臺通過螢石云上線我們的智能應(yīng)用服務(wù)。

　　人工智能技術(shù)在我國實體經(jīng)濟中大規(guī)模落地，需要人數(shù)眾多的AI從業(yè)者進行持續(xù)的大眾創(chuàng)新和群智涌現(xiàn)。但是現(xiàn)在AI從業(yè)者面臨的一個難題是往往缺少合適的產(chǎn)品來承載他們的算法，為此我們開放了前后端全系列的人工智能硬件產(chǎn)品，以幫助AI從業(yè)者，實現(xiàn)他們自己的AI功能及方案。

更新日志

　　V1.6.4

　　1、圖像比對模型定制：定制識別同一場景的前景圖像與背景圖像（基準(zhǔn)圖像）的差異區(qū)域。

　　2、支持基于主動學(xué)習(xí)的智能標(biāo)注：對于物體檢測模型定制任務(wù)，通過主動學(xué)習(xí)技術(shù)，篩選數(shù)據(jù)集中需要優(yōu)先標(biāo)注的關(guān)鍵數(shù)據(jù)并提供自動標(biāo)注結(jié)果。

　　3、模型校驗優(yōu)化：支持創(chuàng)建校驗數(shù)據(jù)集，并選擇校驗數(shù)據(jù)集進行模型校驗，輸出模型性能評估報告（物體檢測、圖像分類）。

　　4、新增數(shù)據(jù)中心產(chǎn)品支持：模型訓(xùn)練支持?jǐn)?shù)據(jù)中心P4/KT智能分析服務(wù)器（物體檢測、圖像分類、檢測+分類）。

　　5、物體檢測預(yù)置算法升級：提升物體檢測類模型性能。

　　V1.3.1

　　1、支持OCR圖像文字識別模型：可應(yīng)用于圖像文字和標(biāo)簽內(nèi)容的分析與識別場景。

　　2、支持?jǐn)?shù)據(jù)智能標(biāo)注：用戶標(biāo)注少部分圖片后可由系統(tǒng)自動完成剩余數(shù)據(jù)標(biāo)注。

　　3、支持模型授權(quán)：基于邊緣設(shè)備序列號生成授權(quán)l(xiāng)icense，實現(xiàn)模型在邊緣設(shè)備中的運行授權(quán)，保護模型資產(chǎn)。

　　4、缺陷修復(fù)。