�？礎(chǔ)I開(kāi)放平臺(tái)客戶端是AI海康威視開(kāi)放平臺(tái)的PC端配套工具，支持物體檢測(cè)、圖像分類、檢測(cè)分類混合、OCR等應(yīng)用場(chǎng)景，提供數(shù)據(jù)標(biāo)注、模型訓(xùn)練、模型校驗(yàn)、模型發(fā)布和導(dǎo)出等功能，結(jié)合EBG AI模型管理組件，可實(shí)現(xiàn)算法模型在AI邊緣設(shè)備的部署與應(yīng)用。

公司介紹

海康威視是以視頻為核心的智能物聯(lián)網(wǎng)解決方案和大數(shù)據(jù)服務(wù)提供商。

�？低�視全球員工超34000人（截止2018年12月31日），其中研發(fā)人員和技術(shù)服務(wù)人員超16000人，研發(fā)投入占企業(yè)銷售額的8.99%（2018年），絕對(duì)數(shù)額占據(jù)業(yè)內(nèi)前茅。�？低�視是博士后科研工作站單位，以杭州為中心，建立輻射北京、上海、武漢以及加拿大蒙特利爾、英國(guó)倫敦的研發(fā)中心體系，并計(jì)劃在西安、成都、重慶和石家莊進(jìn)行研發(fā)投入。

�？低�視擁有視音頻編解碼、視頻圖像處理、視音頻數(shù)據(jù)存儲(chǔ)等核心技術(shù)，及云計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)等前瞻技術(shù)。為PBG（公共服務(wù)事業(yè)群）、EBG（企事業(yè)事業(yè)群） 、SMBG（中小企業(yè)事業(yè)群）三個(gè)事業(yè)群客戶提供專業(yè)的細(xì)分產(chǎn)品、IVM智能可視化管理解決方案和大數(shù)據(jù)服務(wù)。

�？低�視在中國(guó)內(nèi)地?fù)碛?2家省級(jí)業(yè)務(wù)中心/一級(jí)分公司，在港澳臺(tái)地區(qū)及海外國(guó)家/地區(qū)有44個(gè)分支機(jī)構(gòu)（截止2018年12月31日）。海康威視產(chǎn)品和解決方案應(yīng)用在150多個(gè)國(guó)家和地區(qū)，在G20杭州峰會(huì)、北京奧運(yùn)會(huì)、上海世博會(huì)、APEC會(huì)議、德國(guó)紐倫堡高鐵站、韓國(guó)首爾平安城市等重大項(xiàng)目中發(fā)揮了極其重要的作用。

2010年5月，�？低�視在深圳證券交易所中小企業(yè)板上市，股票代碼：002415�；�于創(chuàng)新的管理模式，良好的經(jīng)營(yíng)業(yè)績(jī)，公司先后榮獲“2016&2018CCTV中國(guó)十佳上市公司”1、“2017中國(guó)中小板上市公司價(jià)值十強(qiáng)”2、“2016年A股上市公司未來(lái)價(jià)值排行以及A股最佳上市公司”榜首3、“第六屆中國(guó)上市公司口碑榜最佳公司治理實(shí)踐獎(jiǎng)”4、“中國(guó)中小板上市公司投資者關(guān)系最佳董事會(huì)”5"上市公司金牛投資價(jià)值獎(jiǎng)”和“最佳投資者關(guān)系管理獎(jiǎng)”6等重要榮譽(yù)。

�？低�視秉承“專業(yè)、厚實(shí)、誠(chéng)信”的經(jīng)營(yíng)理念，踐行“成就客戶、價(jià)值為本、誠(chéng)信務(wù)實(shí)、追求卓越”的核心價(jià)值觀，通過(guò)不斷創(chuàng)新，不斷發(fā)展視頻技術(shù)，為人類的安全和發(fā)展開(kāi)拓新視界。

軟件相關(guān)

下面我將介紹開(kāi)放平臺(tái)提供的這幾種服務(wù)能力。

我們知道，現(xiàn)在的深度學(xué)習(xí)算法是數(shù)據(jù)驅(qū)動(dòng)的，但是用戶很難獲取海量的訓(xùn)練數(shù)據(jù)。為了幫助行業(yè)用戶突破數(shù)據(jù)鴻溝，AI開(kāi)放平臺(tái)提供了基于領(lǐng)域模型的遷移學(xué)習(xí)能力。AI開(kāi)放平臺(tái)訓(xùn)練了大量不同應(yīng)用領(lǐng)域的領(lǐng)域模型，根據(jù)用戶的任務(wù)，開(kāi)放平臺(tái)會(huì)自動(dòng)選擇的一個(gè)領(lǐng)域模型作為訓(xùn)練基礎(chǔ)，然后在這個(gè)訓(xùn)練基礎(chǔ)上利用場(chǎng)景數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)。

這張圖表是對(duì)船只圖像進(jìn)行檢測(cè)的算法實(shí)驗(yàn)結(jié)果，橫坐標(biāo)是參與訓(xùn)練的數(shù)據(jù)量，縱坐標(biāo)是檢測(cè)精度，虛線是遷移學(xué)習(xí)結(jié)果，實(shí)線是全量學(xué)習(xí)結(jié)果。從實(shí)驗(yàn)數(shù)據(jù)可以看到，遷移學(xué)習(xí)僅用100張左右的訓(xùn)練樣本，算法就能獲得85%的檢測(cè)精度；而從頭開(kāi)始訓(xùn)練的話要達(dá)到同樣性能則至少需要5000張樣本�；�于領(lǐng)域模型的遷移學(xué)習(xí)使用戶能夠用極少量的數(shù)據(jù)得到一個(gè)可用算法，極大的降低了用戶在數(shù)據(jù)上門檻。

為了幫助用戶進(jìn)一步突破數(shù)據(jù)瓶頸，平臺(tái)還開(kāi)發(fā)了虛擬數(shù)據(jù)引擎，它利用三維建模、光線追蹤、對(duì)抗學(xué)習(xí)等技術(shù)生成虛擬數(shù)據(jù)來(lái)豐富訓(xùn)練樣本。第一個(gè)視頻展示了虛擬生成的不同擺放位置和角度的貨架商品樣本；第二個(gè)視頻展示了通過(guò)模擬光斑，字符疊加效果，虛擬生成的制造工件樣本；第三個(gè)視頻展示了通過(guò)三維建模，虛擬生成的室內(nèi)場(chǎng)景。

虛擬數(shù)據(jù)引擎可以幫助用戶豐富訓(xùn)練樣本，大大降低了用戶的數(shù)據(jù)成本。

除了數(shù)據(jù)準(zhǔn)備之外，深度學(xué)習(xí)算法設(shè)計(jì)也是一件艱難的工作，它包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)和超參數(shù)的調(diào)整，一般都需要資深的算法工程師參與。為了幫助算法設(shè)計(jì)能力不足的用戶，我們開(kāi)發(fā)了模型架構(gòu)搜索算法，該算法用龐大的計(jì)算能力自動(dòng)尋找神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)解。由用戶提交任務(wù)并設(shè)定約束條件，例如算法所消耗的計(jì)算資源和內(nèi)存資源，由檢索引擎自動(dòng)完成算法設(shè)計(jì)工作。AI開(kāi)放平臺(tái)投入了大規(guī)模并行訓(xùn)練系統(tǒng)用以支持模型架構(gòu)搜索服務(wù)上線。

在完成模型訓(xùn)練后，算法在產(chǎn)品端的移植工作也需要投入大量研發(fā)工作。為了提升從算法到產(chǎn)品的研發(fā)效率，開(kāi)放平臺(tái)開(kāi)發(fā)了AI編譯器，AI編譯器利用神經(jīng)網(wǎng)絡(luò)圖優(yōu)化、匯編優(yōu)化、指令編譯優(yōu)化等技術(shù)手段實(shí)現(xiàn)了算法在各類芯片平臺(tái)上的自動(dòng)優(yōu)化及部署。由上圖可以看到通過(guò)AI編譯器自動(dòng)優(yōu)化的算法，其執(zhí)行效率大幅度優(yōu)于通用的優(yōu)化方法。AI編譯器現(xiàn)在已經(jīng)支持多種云端及邊緣端的計(jì)算平臺(tái)，使得人工智能算法在�？登昂蠖水a(chǎn)品的移植變得非常便捷。

AI開(kāi)放平臺(tái)開(kāi)放了大量�？狄延械闹悄軕�(yīng)用能力供行業(yè)用戶調(diào)用，包括各種視頻感知及跨媒體感知的能力。我們開(kāi)放的視頻感知能力包括各種目標(biāo)的屬性識(shí)別能力，以及對(duì)多種物品和行為的精準(zhǔn)感知能力；平臺(tái)還提供文字識(shí)別和語(yǔ)音識(shí)別能力。平臺(tái)還提供多種跨媒體信息的融合感知能力。AI開(kāi)放平臺(tái)通過(guò)螢石云上線我們的智能應(yīng)用服務(wù)。

人工智能技術(shù)在我國(guó)實(shí)體經(jīng)濟(jì)中大規(guī)模落地，需要人數(shù)眾多的AI從業(yè)者進(jìn)行持續(xù)的大眾創(chuàng)新和群智涌現(xiàn)。但是現(xiàn)在AI從業(yè)者面臨的一個(gè)難題是往往缺少合適的產(chǎn)品來(lái)承載他們的算法，為此我們開(kāi)放了前后端全系列的人工智能硬件產(chǎn)品，以幫助AI從業(yè)者，實(shí)現(xiàn)他們自己的AI功能及方案。

更新日志

1、支持OCR圖像文字識(shí)別模型：可應(yīng)用于圖像文字和標(biāo)簽內(nèi)容的分析與識(shí)別場(chǎng)景；

2、支持?jǐn)?shù)據(jù)智能標(biāo)注：用戶標(biāo)注少部分圖片后可由系統(tǒng)自動(dòng)完成剩余數(shù)據(jù)標(biāo)注；

3、支持模型授權(quán)：基于邊緣設(shè)備序列號(hào)生成授權(quán)l(xiāng)icense，實(shí)現(xiàn)模型在邊緣設(shè)備中的運(yùn)行授權(quán)，保護(hù)模型資產(chǎn)；

4、缺陷修復(fù)。