?？礎(chǔ)I開放平臺客戶端是一款電腦AI學習軟件，該工具能讓AI進行深度神經(jīng)學習，對不同場景、圖片等等內(nèi)容進行數(shù)據(jù)訓練，并導出AI智能數(shù)據(jù)。

軟件介紹

海康A(chǔ)I開放平臺客戶端最新版是一款專業(yè)性強、便捷好用的AI?？低曢_放平臺的PC端配套工具，海康A(chǔ)I開放平臺客戶端軟件支持物體檢測、圖像分類、檢測分類混合、OCR等應用場景，提供數(shù)據(jù)標注、模型訓練、模型校驗、模型發(fā)布和導出等功能，結(jié)合EBG AI模型管理組件，?？礎(chǔ)I開放平臺客戶端正式版可實現(xiàn)算法模型在AI邊緣設(shè)備的部署與應用。

軟件功能

下面我將介紹開放平臺提供的這幾種服務能力。

我們知道，現(xiàn)在的深度學習算法是數(shù)據(jù)驅(qū)動的，但是用戶很難獲取海量的訓練數(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)域模型的遷移學習能力。AI開放平臺訓練了大量不同應用領(lǐng)域的領(lǐng)域模型，根據(jù)用戶的任務，開放平臺會自動選擇的一個領(lǐng)域模型作為訓練基礎(chǔ)，然后在這個訓練基礎(chǔ)上利用場景數(shù)據(jù)進行遷移學習。

這張圖表是對船只圖像進行檢測的算法實驗結(jié)果，橫坐標是參與訓練的數(shù)據(jù)量，縱坐標是檢測精度，虛線是遷移學習結(jié)果，實線是全量學習結(jié)果。從實驗數(shù)據(jù)可以看到，遷移學習僅用100張左右的訓練樣本，算法就能獲得85%的檢測精度;而從頭開始訓練的話要達到同樣性能則至少需要5000張樣本。基于領(lǐng)域模型的遷移學習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，?？礎(chǔ)I開放平臺客戶端最新版平臺還開發(fā)了虛擬數(shù)據(jù)引擎，它利用三維建模、光線追蹤、對抗學習等技術(shù)生成虛擬數(shù)據(jù)來豐富訓練樣本。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練樣本，大大降低了用戶的數(shù)據(jù)成本。

除了數(shù)據(jù)準備之外，深度學習算法設(shè)計也是一件艱難的工作，它包括神經(jīng)網(wǎng)絡結(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)絡模型的最優(yōu)解。由用戶提交任務并設(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)模并行訓練系統(tǒng)用以支持模型架構(gòu)搜索服務上線。

在完成模型訓練后，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海康已有的智能應用能力供行業(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的屬性識別能力，以及對多種物品和行為的精準感知能力;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用服務。

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。

常見問題

數(shù)據(jù)上傳失敗或狀態(tài)異常怎么辦？

如果是圖片分類模型上傳失敗或狀態(tài)異常，請先檢查上傳圖片壓縮包是否正確；是否為zip壓縮包，壓縮包下是否直接包含一個或多個圖片文件夾，壓縮包和圖片文件夾名稱是否包含空格或特殊字符；然后檢查文件夾數(shù)量是否超過64個，圖片格式是否為jpg；再檢查圖片是否有損壞等問題。如果自查沒有發(fā)現(xiàn)問題，請聯(lián)系?？低暭夹g(shù)支持咨詢解決。

數(shù)據(jù)上傳失敗或狀態(tài)異常怎么辦？

使用標注工具進行標注時，需要注意：

所有圖片中出現(xiàn)的目標物體都需要被標注框框出，標注框可以重疊

標注框盡可能包含整個物體，且不要包含過多的背景信息

按照順時針方向進行標注，避免標注框坐標順序錯誤

標注框不能是一個點或一條直線，盡可能超過40*40像素

模型訓練失敗怎么辦？

如果遇到模型訓練失敗的情況，請直接聯(lián)系?？低暭夹g(shù)支持咨詢解決。

已經(jīng)訓練完成/發(fā)布的模型還可以繼續(xù)優(yōu)化嗎？

已經(jīng)訓練完成/發(fā)布的模型依然可以持續(xù)優(yōu)化，操作上還是按照標準的訓練流程進行。新增優(yōu)化素材，選擇要優(yōu)化對的數(shù)據(jù)和模型完成訓練，訓練完成后的新模型需要在“發(fā)布模型”模塊重新進行發(fā)布。

更新內(nèi)容

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

2、支持數(shù)據(jù)智能標注：用戶標注少部分圖片后可由系統(tǒng)自動完成剩余數(shù)據(jù)標注；

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。