文档

功能特性

自学习工具从模型新建、模型训练、模型部署三个视角帮助用户实现应用上的闭环,具体表现为工作区管理、数据标注和数据集管理训练、测试集管理、模型部署和模型管理五大功能模块。

面向业务场景的工作区管理

  • 积累深厚的行业AI视觉模型

    基于图像分类、物体检测、实例分割等通用算子能力开发等算法底层框架,面向大部分通用行业可实现快速POC验证。

  • 定制化开发服务

    内置达摩院在互联网、零售营销、物流供应链、工业等多个行业场景最佳实践积累的黄金数据库,使得模型在训练前性能已远远高于市场上大部分模型。

  • 更贴合业务需求的模型组合

    真实业务场景的复杂性一位置单一且独立的算子往往不能满足视觉检测需求,模型组合的灵活应用使得基于算法基础能力之外还可以兼容更多复杂场景。

与业务流程深度结合的训练流程

将已知参数参与过程的训练中,训练出来的模型往往只是基于以往经验数据得来的预期模型,但是工业领域场景多变且复杂,往往传统的训练模式并不能很好的跟时刻变化的业务场景相耦合,这就导致用户在实际训练过程中产生了一堆没有用的模型,效率和准确性不高,工业视觉智能平台将训练过程中的数据选择>训练>评估>提取的整体流程横向延展化,可以通过调参和筛选不同的业务数据指标的形式更快更高效的选择最优模型。

科学统一的评估参数决策最优模型

算法逻辑的复杂和专业性使得用户在面对生成的多个候选模型时筛选茫然,基于这种情况,我们在训练结束后可以进入评估环节,只要少量的测试集上传就可以根据平台提供的可视化数据评估指标来进行筛选和抉择,辅助您根据自己的业务指标来筛选符合自己业务需求的最优模型。

便捷高效的标注工具

一键智能化标注以及多人协作标注的方式,大大提高标注效率,节约人力成本。

  • 一键智能化标注以及多人协作标注的方式

    自学习平台自主研发的智能化辅助标注,使得一些更细粒度的检测目标也可以被标注,在提高模型精准度的同时还能大大降低人工耗时成本。

  • 多人协作提高标注效率

    在检测目标类型纷繁复杂且样本数据量庞大的场景下,单人标注往往效率低下且管理分散;自学习平台多人协作的标注方式大大提高样本的标注效率,同时使得标注数据的统一集中管理更便捷。

  • 本页导读 (1)
文档反馈