數(shù)據(jù)的AI發(fā)展的基礎(chǔ)，在AI算法的開發(fā)中，數(shù)據(jù)標注往往是最費時費力的步驟，AI需要大量相關(guān)、重復的數(shù)據(jù)集標注的深度學習才能變得更加聰明以符合使用需求。隨著落地應用的場景變得豐富，數(shù)據(jù)標注的復雜度也高低不一，傳統(tǒng)的人工標注所展現(xiàn)的低效率、高成本的弊端暴露無遺。

面對這些問題，為了更好地幫助政企事業(yè)單位提升圖像標注效率、節(jié)約項目開發(fā)時間，成都慧視推出了深度學習算法開發(fā)平臺SpeedDP，如名一般，它能以需求分析、數(shù)據(jù)制作到模型訓練、測試驗證以及最后的模型部署幾個主要模塊快速幫助我們處理海量數(shù)據(jù)，極大程度為我們進行算法開發(fā)應用奠定基礎(chǔ)。

簡易上手

SpeedDP的畫面和功能都很簡易便于上手，即便是零基礎(chǔ)的AI學習者也能夠快速上手使用。平臺提供從數(shù)據(jù)標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發(fā)功能。通過豐富的算法參數(shù)設(shè)置接口，滿足不同用戶業(yè)務場景的定制化需求。此外，SpeedDP還支持本地化服務器部署，數(shù)據(jù)敏感的用戶也無需擔心數(shù)據(jù)信息泄露的問題。

快速AI自動標注

SpeedDP用于模型訓練和評估測試的數(shù)據(jù)集是由一系列的圖像和標注文件組成的，平臺支持多種開源數(shù)據(jù)格式如VOC和COCO。平臺的數(shù)據(jù)標注模塊支持人工標注和自動標注兩種方式，人工標注即需要用戶操作標注軟件對數(shù)據(jù)集中的圖像一張一張的進行標注，而自動標注則可以使用已訓練好的模型來自動檢測并導出標注文件。

一鍵生成模型評估

SpeedDP數(shù)據(jù)集測試評估是使用帶標注的數(shù)據(jù)集對模型的檢測輸出結(jié)果計算一些關(guān)鍵性能指標從而對訓練的模型進行評估，AI開發(fā)平臺采用了目標檢測領(lǐng)域最常用的AP50、mAP50-95以及準確率和召回率等指標對模型進行整體性評價。