IDEA研究院團隊推出了GroundingDINO  1.5，它能夠實現端側實時識別。在圖像和文本的語義理解上表現出色，能夠快速、準確地根據語言提示檢測和識別圖像中的目標對象。作為當前性能比較好的開集檢測模型，GroundingDINO  1.5Pro可以幫助構建海量的具有物體級別語義信息的多模態數據，從而有效地助力多模態大模型的訓練。它可以將長文本描述中的短語與圖像中的具體對象或場景精確匹配，以增強AI對視覺內容和文本之間關系的理解。目前，成都慧視利用AI圖像處理板和YOLO算法來實現對物體的實時監測，其中，開發的Viztra-HE030圖像處理板采用了瑞芯微全新一代高性能芯片RK3588，擁有四大四小八核處理器，算力水平能夠達到6.0TOPS，在我司定制多種視頻接口后，可實時對目標進行識別或者人為的的鎖定，同時可以根據輸出目標的靶量信息，對目標進行實時跟蹤。SpeedDP是以數據為中心的一站式AI訓練平臺。定制AI智能算法

圖像識別技術的高價值應用就發生在你我身邊，例如視頻監控、自動駕駛和智能醫療等，而這些圖像識別進展的背后推動力是深度學習。深度學習的成功主要得益于三個方面：大規模數據集的產生、強有力的模型的發展以及可用的大量計算資源。對于各種各樣的圖像識別任務，精心設計的深度神經網絡已經遠遠超越了以前那些基于人工設計的圖像特征的方法。盡管到目前為止深度學習在圖像識別方面已經取得了巨大成功，但在它進一步廣泛應用之前，仍然有很多挑戰需要我們去面對。貴州安防AI智能目標跟蹤SpeedDP進行圖像標注時的特點是快。

海量圖像標注工作的繁瑣困擾著諸多企業，增加標注師崗位可以提升效率，但是無法控制人工成本，使得企業左右為難。隨著AI的不斷發展，這種枯燥無味的工作用AI來替代再好不過，AI的定制建設成本只需要一次性付出，然后就能夠長期使用，不會出現像人工這種忙時不夠，閑時多余的情況。成都慧視利用人工智能算法打造的SpeedDP深度學習算法開發平臺，是一個針對于AI零基礎從業者的圖像標注軟件，其簡潔度、實用性都堪稱一絕。它提供從數據標注、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開發功能。SpeedDP提供豐富的算法參數設置接口，滿足不同用戶業務場景的定制化需求。

激光除草是通過激光照射雜草，使草葉內部細胞脫水破裂死亡的物理靶向除草方法。哈工大機器人實驗室與華工科技合作研發的全天候智能激光除草機器人集成深度學習的人工智能技術，AI智能識別雜草，十分高效；同時針對性開發先進的多目標靶點定位及動態時延誤差補償算法，不僅能夠準確高效識別雜草和高精度定位目標分生組織，同時不損傷作物、不污染土壤、不耗費人力，而且適應性強，生產效率高，促進農業經濟高質量發展。激光除草模式中AI智能識別是很關鍵的一環，需要機器人正確識別雜草，而這基于AI的深度學習、目標識別檢測等功能，通過不斷的訓練學習，AI能夠精細識別什么是雜草什么是作物。目前，市面上比較好用的AI深度學習平臺眾多，例如成都慧視推出的SpeedDP深度學習算法開發平臺，就能夠通過大量的數據部署，再經過長時間的訓練，就能夠實現跟人眼一樣的目標識別能力。數據的資源越好，模型的準確度就越高。

除了高質量數據集產品外，鳳凰數據還將推出以數據為中心的一站式AI訓練平臺，計劃于近期開放內測。平臺將與高質量數據集市實現互聯互通，確保數據在平臺內的安全使用。平臺也將提供一系列以數據為中心的服務，包括豐富的數據處理工具、可視化模型訓練和微調套件、大量的數據和模型評估框架和多云異構的算力資源。在內地，也有很多企業開發了類似平臺，慧視光電推出的AI自動圖像標注平臺SpeedDP就是一個以數據為中心的一站式AI訓練平臺，通過平臺能夠讓AI不斷進行學習，進而更加精確的識別圖像。AI自動圖像標注平臺SpeedDP。AI智能監控

標注需要大量人工勞動一直是采用計算機視覺的主要障礙之一。定制AI智能算法

YOLO系列算法是目標識別領域很重要的技術之一，因為性能強大、消耗算力較少，一直以來都是實時目標檢測領域的主要范式。該框架被***用于各種實際應用，包括自動駕駛、監控和物流等行業的目標識別。自今年2月YOLOv9發布以后，近期，清華又推出了YOLOv10，作為計算機視覺領域的突破性框架，具備實時的端到端目標檢測能力，通過提供結合效率和準確性的強大解決方案，延續了YOLO系列的傳統。據悉，YOLOv10在各種模型規模上都實現了SOTA性能和效率。例如，YOLOv10-S在COCO上的類似AP下比RT-DETR-R18快1.8倍，同時參數數量和FLOP大幅減少。與YOLOv9-C相比，在性能相同的情況下，YOLOv10-B的延遲減少了46%，參數減少了25%。定制AI智能算法