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)需要投入大量的時間和金錢，包括長時間反復的深度學習模型訓練、人才的培養(yǎng)、大量數(shù)據(jù)模型的采集標注，這些加起來的成本不可預估，并且很關(guān)鍵的一點是，所有的投入不一定會達到預期的效果。

基于這樣的行業(yè)痛點，慧視SpeedDP深度學習算法開發(fā)平臺應(yīng)運而生。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深度學習算法開發(fā)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。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)標注格式，用戶采集得到圖像數(shù)據(jù)后使用labelimg工具進行數(shù)據(jù)標注，然后將圖像文件和標注文件按如圖2所示指定的形式存放即可直接用于模型訓練。

自由項目配置

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深度學習算法開發(fā)平臺采用項目配置的方式來對不同的業(yè)務(wù)需求進行管理。

模型訓練

采集數(shù)據(jù)后，能夠批量加載一定數(shù)量的數(shù)據(jù)并進行合并后輸入模型，實時顯示訓練記錄，并能以文件的形式保存運行時訓練參數(shù)。

模型測試

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

模型部署

當訓練的模型通過測試評估后即可進入模型部署階段，慧視SpeedDP深度學習算法開發(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。