?？礎(chǔ)I開放平臺(tái)客戶端是一款電腦AI學(xué)習(xí)軟件，該工具能讓AI進(jìn)行深度神經(jīng)學(xué)習(xí)，對(duì)不同場(chǎng)景、圖片等等內(nèi)容進(jìn)行數(shù)據(jù)訓(xùn)練，并導(dǎo)出AI智能數(shù)據(jù)。

軟件介紹

?？礎(chǔ)I開放平臺(tái)客戶端最新版是一款專業(yè)性強(qiáng)、便捷好用的AI?？低曢_放平臺(tái)的PC端配套工具，?？礎(chǔ)I開放平臺(tái)客戶端軟件支持物體檢測(cè)、圖像分類、檢測(cè)分類混合、OCR等應(yīng)用場(chǎng)景，提供數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型校驗(yàn)、模型發(fā)布和導(dǎo)出等功能，結(jié)合EBG AI模型管理組件，?？礎(chǔ)I開放平臺(tái)客戶端正式版可實(shí)現(xiàn)算法模型在AI邊緣設(shè)備的部署與應(yīng)用。

軟件功能

下面我將介紹開放平臺(tái)提供的這幾種服務(wù)能力。

我們知道，現(xiàn)在的深度學(xué)習(xí)算法是數(shù)據(jù)驅(qū)動(dòng)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(tái)提供了基于領(lǐng)域模型的遷移學(xué)習(xí)能力。AI開放平臺(tái)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(tái)會(huì)自動(dòng)選擇的一個(gè)領(lǐng)域模型作為訓(xùn)練基礎(chǔ)，然后在這個(gè)訓(xùn)練基礎(chǔ)上利用場(chǎng)景數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)。

這張圖表是對(duì)船只圖像進(jìn)行檢測(cè)的算法實(shí)驗(yàn)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(cè)精度，虛線是遷移學(xué)習(xí)結(jié)果，實(shí)線是全量學(xué)習(xí)結(jié)果。從實(shí)驗(yàn)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(cè)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。基于領(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(gè)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(jìn)一步突破數(shù)據(jù)瓶頸，?？礎(chǔ)I開放平臺(tái)客戶端最新版平臺(tái)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(duì)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(gè)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(gè)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(gè)視頻展示了通過三維建模，虛擬生成的室內(nèi)場(chǎng)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(jì)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(jì)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(jì)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(jì)算能力自動(dòng)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(jì)算資源和內(nèi)存資源，由檢索引擎自動(dòng)完成算法設(shè)計(jì)工作。AI開放平臺(tái)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(tái)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(shí)現(xiàn)了算法在各類芯片平臺(tái)上的自動(dòng)優(yōu)化及部署。由上圖可以看到通過AI編譯器自動(dòng)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(jì)算平臺(tái)，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(tái)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(shí)別能力，以及對(duì)多種物品和行為的精準(zhǔn)感知能力;平臺(tái)還提供文字識(shí)別和語音識(shí)別能力。平臺(tái)還提供多種跨媒體信息的融合感知能力。AI開放平臺(tái)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(guó)實(shí)體經(jīng)濟(jì)中大規(guī)模落地，需要人數(shù)眾多的AI從業(yè)者進(jìn)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(gè)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(shí)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(qǐng)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(gè)或多個(gè)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(gè)，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(qǐng)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(biāo)注工具進(jìn)行標(biāo)注時(shí)，需要注意：

所有圖片中出現(xiàn)的目標(biāo)物體都需要被標(biāo)注框框出，標(biāo)注框可以重疊

標(biāo)注框盡可能包含整個(gè)物體，且不要包含過多的背景信息

按照順時(shí)針方向進(jìn)行標(biāo)注，避免標(biāo)注框坐標(biāo)順序錯(cuò)誤

標(biāo)注框不能是一個(gè)點(diǎn)或一條直線，盡可能超過40*40像素

模型訓(xùn)練失敗怎么辦？

如果遇到模型訓(xùn)練失敗的情況，請(qǐng)直接聯(lián)系海康威視技術(shù)支持咨詢解決。

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

已經(jīng)訓(xùn)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(biāo)準(zhǔn)的訓(xùn)練流程進(jìn)行。新增優(yōu)化素材，選擇要優(yōu)化對(duì)的數(shù)據(jù)和模型完成訓(xùn)練，訓(xùn)練完成后的新模型需要在“發(fā)布模型”模塊重新進(jìn)行發(fā)布。

更新內(nèi)容

1、支持OCR圖像文字識(shí)別模型：可應(yīng)用于圖像文字和標(biāo)簽內(nèi)容的分析與識(shí)別場(chǎng)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(dòng)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(hào)生成授權(quán)l(xiāng)icense，實(shí)現(xiàn)模型在邊緣設(shè)備中的運(yùn)行授權(quán)，保護(hù)模型資產(chǎn)；

4、缺陷修復(fù)。