人工智能為各行各業(yè)帶來了產(chǎn)業(yè)革命，如工業(yè)4.0、無人駕駛等領(lǐng)域。但是對于一般中小企業(yè)而言，人工智能的開發(fā)需要投入大量的時(shí)間和金錢，包括長時(shí)間反復(fù)的深度學(xué)習(xí)模型訓(xùn)練、人才的培養(yǎng)、大量數(shù)據(jù)模型的采集標(biāo)注，這些加起來的成本不可預(yù)估，并且很關(guān)鍵的一點(diǎn)是，所有的投入不一定會達(dá)到預(yù)期的效果。

基于這樣的行業(yè)痛點(diǎn)，慧視SpeedDP深度學(xué)習(xí)算法開發(fā)平臺應(yīng)運(yùn)而生。通過提供豐富的算法參數(shù)設(shè)置接口，來滿足不同用戶業(yè)務(wù)場景的定制化需求。

作為針對AI零基礎(chǔ)用戶的低門檻AI開發(fā)平臺，SpeedDP深度學(xué)習(xí)算法開發(fā)平臺提供從數(shù)據(jù)標(biāo)注、模型訓(xùn)練、測試驗(yàn)證到RockChip嵌入式硬件平臺模型部署的可視化AI開發(fā)功能。此外，針對于研究所等需要數(shù)據(jù)保密的企業(yè)單位，本地化服務(wù)器部署，能夠讓數(shù)據(jù)敏感的用戶也無懼信息安全威脅。

目前慧視SpeedDP主要提供目標(biāo)檢測算法的開發(fā)，不同的用戶可針對自己的業(yè)務(wù)場景進(jìn)行AI算法的定制化開發(fā)以及算法模型的快速迭代優(yōu)化。

數(shù)據(jù)采集

平臺支持labelimg數(shù)據(jù)標(biāo)注格式，用戶采集得到圖像數(shù)據(jù)后使用labelimg工具進(jìn)行數(shù)據(jù)標(biāo)注，然后將圖像文件和標(biāo)注文件按如圖2所示指定的形式存放即可直接用于模型訓(xùn)練。

自由項(xiàng)目配置

一般不同的業(yè)務(wù)場景需求對應(yīng)不同的數(shù)據(jù)和算法參數(shù)設(shè)置，慧視SpeedDP深度學(xué)習(xí)算法開發(fā)平臺采用項(xiàng)目配置的方式來對不同的業(yè)務(wù)需求進(jìn)行管理。

模型訓(xùn)練

采集數(shù)據(jù)后，能夠批量加載一定數(shù)量的數(shù)據(jù)并進(jìn)行合并后輸入模型，實(shí)時(shí)顯示訓(xùn)練記錄，并能以文件的形式保存運(yùn)行時(shí)訓(xùn)練參數(shù)。

模型測試

平臺還能夠選擇對特定的目標(biāo)類別進(jìn)行測試，包括數(shù)據(jù)集測試評估、實(shí)際應(yīng)用場景數(shù)據(jù)驗(yàn)證兩個(gè)部分。讓用戶能夠更加直觀的了解模型訓(xùn)練的效果更清楚后續(xù)的迭代優(yōu)化方向。

模型部署

當(dāng)訓(xùn)練的模型通過測試評估后即可進(jìn)入模型部署階段，慧視SpeedDP深度學(xué)習(xí)算法開發(fā)平臺提供從Pytorch模型到rknn模型的可視化轉(zhuǎn)換功能。模型轉(zhuǎn)換功能支持多種RockChip嵌入式硬件平臺，如rk3399pro、rv1126、rk3588等。