OPT DeepVision3 löst das Problem der KI-Implementierung

Die Reduzierung der Datendependenz und der Arbeitskosten, die Senkung der Anwendungsschwellen und die Verkürzung des Gesamtzyklus waren immer das Hauptproblem, das die weit verbreitete Umsetzung des Deep Learning behindert hat.

Um diese Herausforderungen zu überwinden, optimiert DeepVision3 weiterhin den zugrunde liegenden Logikalgorithmus und erzielt entscheidende technologische Innovationen in inkrementellem Lernen, kleinem Stichprobenerlernen, Modell-Leichtbau usw., wodurch die Zeitkosten für Datenerfassung, Modellschulung und Migration erheblich reduziert werden.

Angesichts von visuellen Lösungen mit weniger fehlerhaften Beispielen verwendet DeepVision3 kleine Stichprobenstrategien wie Datenvergrößerung und Algorithmusverbesserung, um die Datenmenge um 90 % zu reduzieren, von Hunderten von Bildern in der Vergangenheit auf mehr als ein Dutzend, und sogar wenige Bilder können das KI-Modelltraining abschließen. Eine große Anzahl hochwertiger Schulungsbilder wird auf der Grundlage des tiefen Bildgenerationsnetzwerks erzeugt, und die Generationsgeschwindigkeit wird um mehr als das Dreifache erhöht.

Unter der Voraussetzung, dass die Modellleistung fast unverändert ist, kann das Modelltraining für 4K-Daten im 30 Minuten abgeschlossen werden, und um den Anforderungen industrieller Szenarien besser gerecht zu werden, kann DeepVision3 in nur wenigen Minuten ein inkrementelles Training für neue Anforderungen erreichen.

Zusätzlich verwendet DeepVision3 die Leichtbaustrategie, um nicht nur die Anforderungen an die Rechenleistung zu reduzieren und die Inferenzzeit zu verkürzen, sondern vor allem, um die Modellerkennung genauer zu machen.

Bei Verwendung der CPU kann die Schlüsselziel-Erkennung mit 20 Megapixeln in etwa 60 ms abgeschlossen werden. Im Vergleich zu herkömmlichen Algorithmen wird die Geschwindigkeit der Erkennungs- und Klassifikationsaufgaben um mehr als das 20-fache erhöht.

Flexibel

Integriertes visuelles Grundmodell, konsistent mit dem Werksmodell

Während die Software effizienter gemacht wird, verwendet OPT auch Transferlernen, Domänenanpassung und andere Technologien, um sicherzustellen, dass das geschulte Modell flexibler ist und Verallgemeinerung, Vielseitigkeit und Flexibilität integriert.

Angesichts von Qualitätsprüfungen, die ähnliche Prozesse und den gleichen Prozess betreffen, basiert DeepVision3 auf der Ein-Klick-Migrations-Technologie oder durch adaptive Feinabstimmung, um einen Ein-Klick-Modellwechsel zu erreichen. Der Schulungszyklus kann auf einige Stunden verkürzt werden, was das Problem großer Unterschiede in den Defektformen und häufiger Produktmodelländerungen löst. Das Problem der schlechten Verallgemeinerung des Modells, das dadurch verursacht wird.

Für die 3C- und Lithiumbatterieindustrie hat OPT auch ein universelles Erkennungsmodell entwickelt. Die Erkennung von Defekten in Schlüsselprozessen kann sofort verwendet werden. Gleichzeitig wird das Zhixin-Grundmodell in Kürze eingeführt, um die Positionierung und Erkennung von Schlüsselobjekten mit einer neuen Erkennungsmethode zu realisieren. Es ist keine Modellschulung erforderlich, was die weit verbreitete Implementierung der KI-Erkennung in weiteren Branchen beschleunigt. Darüber hinaus unterstützt DeepVision3 auch globales Bildmanagement, Multi-Personen-Zusammenarbeit, Multi-Prozess-Analyse, Multi-Maschinen-Zusammenarbeit und andere Funktionen, die stark mit den Anforderungen des bestehenden Werksmodells übereinstimmen.

Einfach zu bedienen

Umfangreiche KI-Funktionen, Bereitstellung mit einem Klick

DeepVision3 deckt eine Vielzahl von Aufgabentypen wie semantische Segmentierung, Zeichenerkennung, Zielverfolgung, Bildklassifikation usw. ab. Es erfordert keine Programmierung und ist sehr benutzerfreundlich, was die Kosten für das Erlernen von Software erheblich reduziert.

DeepVision3 ist mit einer Reihe intelligenter Hilfsannotationswerkzeuge ausgestattet. Für Zeichenerkennungsaufgaben verfügt DeepVision3 über integrierte universelle OCR- und zentralisierte Inspektionsfunktionen, um die halbautomatische Annotation von Zeichen zu ermöglichen. Es kann Zeichen in jeder Richtung oder mehreren Zeilen von schrägem Text erkennen, und Benutzer müssen nur die Ergebnisse überprüfen.

Gleichzeitig werden für die zeitaufwändigsten Aufgaben der semantischen Segmentierung und Beschriftung semantische Segmentierungs-KI-Tools, die automatische Beschriftung des Deep Learning, die automatische Beschriftung des traditionellen Algorithmus, die Konturerkennung usw. integriert. Unter ihnen benötigt das semantische Segmentierungs-KI-Tool nur einen Mausklick oder das Ziehen eines Kastens, um automatisch hochpräzise und genaue pixelgenaue Objektannotationen auf Grundlage von Benutzerinteressenpunkten, Zielkästen und Maskeninformationen zu generieren.

Darüber hinaus unterstützt DeepVision3 auch Funktionen wie die Mehrfachverwendung von Labels und die Qualitätskontrolle der Beschriftung. Während des Modellschulungsprozesses werden Werkzeuge wie Hinweise zur Hyperparameterfestlegung, Prozessvisualisierung und Ergebnistracking zur Verfügung gestellt. Es kann auch mit einem Klick in die Smart3-Software bereitgestellt werden."