識(shí)別算法的性能提升依靠大量的圖像標(biāo)注，傳統(tǒng)模式下，需要人工對(duì)同一識(shí)別目標(biāo)的數(shù)據(jù)集進(jìn)行一步一步手動(dòng)拉框，但是這個(gè)過(guò)程的痛苦只有做過(guò)的人才知道。越多素材的數(shù)據(jù)集對(duì)于算法的提升越有幫助，常規(guī)情況下，一個(gè)20秒時(shí)長(zhǎng)30幀的視頻就多達(dá)兩三百?gòu)埉嬅嫘枰獦?biāo)注，如果視頻時(shí)長(zhǎng)或者視頻的幀速率增加，需要標(biāo)注的幀畫面將會(huì)更多。小編曾試過(guò)標(biāo)注一個(gè)時(shí)長(zhǎng)為1分30秒幀速率為60的視頻，需要標(biāo)注的畫面竟然多達(dá)5000多張，當(dāng)我標(biāo)注到500張的時(shí)候，整個(gè)人都已經(jīng)麻木，并且出現(xiàn)情緒波動(dòng)，望著剩下的4500多張待標(biāo)注畫面，看著都頭皮發(fā)麻，怎么都不想繼續(xù)了。圖像算法工程師再也不用經(jīng)常熬夜進(jìn)行圖像標(biāo)注工作了。智慧小區(qū)AI智能煙霧識(shí)別

如今，AI已走入萬(wàn)千企業(yè)，其展現(xiàn)出的強(qiáng)大賦能作用，讓無(wú)數(shù)企業(yè)受益。尤其實(shí)在制造業(yè)中，AI能夠賦能多個(gè)領(lǐng)域，讓企業(yè)更加高效、更加節(jié)能。例如許多大型的紡織工廠，定期的機(jī)器巡檢以及對(duì)產(chǎn)品的質(zhì)檢至關(guān)重要。傳統(tǒng)模式是采用人工巡檢，大量的巡檢人員對(duì)紡織機(jī)器和產(chǎn)品進(jìn)行肉眼質(zhì)檢，雖然這種模式效率低、精度無(wú)法掌握，但也是無(wú)賴之舉。隨著AI的發(fā)展應(yīng)用，利用AI進(jìn)行質(zhì)檢，能夠彌補(bǔ)了這些缺陷。通過(guò)定制相應(yīng)的AI算法，在傳感器的共同作用下，能夠?qū)崿F(xiàn)自動(dòng)識(shí)別。河南研發(fā)AI智能廠家訓(xùn)練算法的平替工具有哪些？

今年各地陸陸續(xù)續(xù)出現(xiàn)大范圍的強(qiáng)降雨，不少城市更是出現(xiàn)內(nèi)澇的情況，而鄉(xiāng)鎮(zhèn)農(nóng)村更是洪峰過(guò)境。突然降臨的洪水內(nèi)澇讓受災(zāi)地不少人被困，同時(shí)也給防汛救援造成了不小的難題，為了盡可能節(jié)約救援時(shí)間，增加搜救率，前期的信息收集工作十分重要。這項(xiàng)工作交給無(wú)人機(jī)是當(dāng)下比較高效的解決方案。無(wú)人機(jī)便捷靈活，能夠輕松到達(dá)許多內(nèi)澇區(qū)域搜集信息。搭載光電吊艙則能夠?qū)崟r(shí)回傳現(xiàn)場(chǎng)畫面，不少吊艙具備紅外和可見光雙光成像的能力，夜間工作也能夠清晰成像。除了搜集洪水信息，無(wú)人機(jī)還可以通過(guò)智能化吊艙實(shí)現(xiàn)AI智能識(shí)別，例如高空飛行作業(yè)的無(wú)人機(jī)通過(guò)盤旋掃描，能夠識(shí)別是否存在被困人員，識(shí)別被困人員數(shù)量。從而展開精細(xì)的救援轉(zhuǎn)移，保障人民生命財(cái)產(chǎn)安全。

長(zhǎng)時(shí)間一直進(jìn)行這樣的圖像標(biāo)注工作，那無(wú)疑是枯燥而乏味的，手酸不說(shuō)，更多的是精神上的折磨，進(jìn)而效率大打折扣。但這又是算法提升的必要途徑，無(wú)法跳過(guò)，當(dāng)項(xiàng)目緊急時(shí)，甚至需要多人加班加點(diǎn)趕進(jìn)度。這樣的痛苦現(xiàn)狀急需改變！慧視光電的算法工程師為了提高這一的效率，開發(fā)了一個(gè)深度學(xué)習(xí)算法開發(fā)平臺(tái)SpeedDP。它的基本邏輯是基于一個(gè)手動(dòng)標(biāo)注一定量的數(shù)據(jù)集進(jìn)行訓(xùn)練，形成一個(gè)可用的預(yù)選模型（如果已有模型可以直接使用），然后訓(xùn)練一定階段后，可以評(píng)估此模型的能力，如果能夠滿足使用就可以對(duì)相同目標(biāo)的新數(shù)據(jù)集（未進(jìn)行任何標(biāo)注）進(jìn)行AI自動(dòng)化標(biāo)注。這一過(guò)程的省去了大量需要對(duì)新數(shù)據(jù)集的手動(dòng)拉框工作，同時(shí)也在不斷反哺此模型算法，幫助提升性能。慧視SpeedDP已經(jīng)迭代至3.0版本。

無(wú)人機(jī)能夠通過(guò)高空拍攝快速獲取大范圍、多角度的地面信息。但是傳統(tǒng)的攝像頭只能獲取視頻數(shù)據(jù)，對(duì)于許多需要進(jìn)行數(shù)據(jù)分析的行業(yè)來(lái)說(shuō)顯然不夠智能化，從無(wú)人機(jī)視頻數(shù)據(jù)中快速獲取提煉大量有價(jià)值的信息，不僅能夠提升工作效率，還能夠減少不小的成本支出。這就是無(wú)人機(jī)的AI識(shí)別能力。通過(guò)識(shí)別算法，在無(wú)人機(jī)工作時(shí)就對(duì)目標(biāo)范圍進(jìn)行AI檢測(cè)識(shí)別，從而提煉所需信息。這就需要對(duì)無(wú)人機(jī)進(jìn)行智能化改造，可以在傳統(tǒng)無(wú)人機(jī)吊艙中植入成都慧視開發(fā)的高性能AI圖像處理板，如利用RK3588深度開發(fā)而成的Viztra-HE030圖像處理板，6.0TOPS的算力能夠快速處理無(wú)人機(jī)識(shí)別到的復(fù)雜畫面信息，這樣就有了硬件基礎(chǔ)，剩下的就需要對(duì)自身算法進(jìn)行不斷優(yōu)化提升。如何保障算法識(shí)別精度？貴州電力運(yùn)維AI智能人臉識(shí)別

算法的提升得益于大量的數(shù)據(jù)標(biāo)注。智慧小區(qū)AI智能煙霧識(shí)別

AI的不斷應(yīng)用發(fā)展使得傳統(tǒng)的人工工作的弊端得到了很好的彌補(bǔ)。比如在圖像標(biāo)注這個(gè)領(lǐng)域，傳統(tǒng)的標(biāo)注需要招聘大量的人員，并且標(biāo)注圖像所耗費(fèi)的時(shí)間精力也是不可估量的，而AI模型的出現(xiàn)讓這一切都成為過(guò)去。利用慧視光電打造的深度學(xué)習(xí)算法開發(fā)平臺(tái)SpeedDP，就能夠針對(duì)場(chǎng)景識(shí)別進(jìn)行特有的模型部署訓(xùn)練，通過(guò)大量的訓(xùn)練，讓AI學(xué)會(huì)自動(dòng)標(biāo)注圖像。平臺(tái)采用標(biāo)準(zhǔn)的AI算法開發(fā)流程，通過(guò)從需求分析、數(shù)據(jù)制作到模型訓(xùn)練、測(cè)試驗(yàn)證以及模型部署幾個(gè)主要模塊。SpeedDP用于模型訓(xùn)練和評(píng)估測(cè)試的數(shù)據(jù)集是由一系列的圖像和標(biāo)注文件組成的，平臺(tái)支持多種開源數(shù)據(jù)格式如VOC和COCO。而目前平臺(tái)共支持yolox系列和yolov8系列模型用于模型訓(xùn)練（分割任務(wù)*支持yolov8模型），通過(guò)不斷額測(cè)試驗(yàn)證，就能夠讓AI實(shí)現(xiàn)海思、RockChip嵌入式硬件平臺(tái)等模型部署的可視化AI開發(fā)功能。智慧小區(qū)AI智能煙霧識(shí)別