- 软件介绍
- 软件截图
- 其它版本
海康AI开放平台客户端是AI海康威视开放平台的PC端配套工具，支持物体检测、图像分类、检测分类混合、OCR等应用场景，提供数据标注、模型训练、模型校验、模型发布和导出等功能，结合EBG AI模型管理组件，可实现算法模型在AI边缘设备的部署与应用。
软件相关
下面我将介绍开放平台提供的这几种服务能力。
我们知道，现在的深度学习算法是数据驱动的，但是用户很难获取海量的训练数据。为了帮助行业用户突破数据鸿沟，AI开放平台提供了基于领域模型的迁移学习能力。AI开放平台训练了大量不同应用领域的领域模型，根据用户的任务，开放平台会自动选择的一个领域模型作为训练基础，然后在这个训练基础上利用场景数据进行迁移学习。
这张图表是对船只图像进行检测的算法实验结果，横坐标是参与训练的数据量，纵坐标是检测精度，虚线是迁移学习结果，实线是全量学习结果。从实验数据可以看到，迁移学习仅用100张左右的训练样本，算法就能获得85%的检测精度；而从头开始训练的话要达到同样性能则至少需要5000张样本。基于领域模型的迁移学习使用户能够用极少量的数据得到一个可用算法，极大的降低了用户在数据上门槛。
为了帮助用户进一步突破数据瓶颈，平台还开发了虚拟数据引擎，它利用三维建模、光线追踪、对抗学习等技术生成虚拟数据来丰富训练样本。第一个视频展示了虚拟生成的不同摆放位置和角度的货架商品样本；第二个视频展示了通过模拟光斑，字符叠加效果，虚拟生成的制造工件样本；第三个视频展示了通过三维建模，虚拟生成的室内场景。
虚拟数据引擎可以帮助用户丰富训练样本，大大降低了用户的数据成本。
除了数据准备之外，深度学习算法设计也是一件艰难的工作，它包括神经网络结构的设计和超参数的调整，一般都需要资深的算法工程师参与。为了帮助算法设计能力不足的用户，我们开发了模型架构搜索算法，该算法用庞大的计算能力自动寻找神经网络模型的最优解。由用户提交任务并设定约束条件，例如算法所消耗的计算资源和内存资源，由检索引擎自动完成算法设计工作。AI开放平台投入了大规模并行训练系统用以支持模型架构搜索服务上线。
在完成模型训练后，算法在产品端的移植工作也需要投入大量研发工作。为了提升从算法到产品的研发效率，开放平台开发了AI编译器，AI编译器利用神经网络图优化、汇编优化、指令编译优化等技术手段实现了算法在各类芯片平台上的自动优化及部署。由上图可以看到通过AI编译器自动优化的算法，其执行效率大幅度优于通用的优化方法。AI编译器现在已经支持多种云端及边缘端的计算平台，使得人工智能算法在海康前后端产品的移植变得非常便捷。
AI开放平台开放了大量海康已有的智能应用能力供行业用户调用，包括各种视频感知及跨媒体感知的能力。我们开放的视频感知能力包括各种目标的属性识别能力，以及对多种物品和行为的精准感知能力；平台还提供文字识别和语音识别能力。平台还提供多种跨媒体信息的融合感知能力。AI开放平台通过萤石云上线我们的智能应用服务。
人工智能技术在我国实体经济中大规模落地，需要人数众多的AI从业者进行持续的大众创新和群智涌现。但是现在AI从业者面临的一个难题是往往缺少合适的产品来承载他们的算法，为此我们开放了前后端全系列的人工智能硬件产品，以帮助AI从业者，实现他们自己的AI功能及方案。
更新日志
1.图像比对模型定制：定制识别同一场景的前景图像与背景图像（基准图像）的差异区域。
2.支持基于主动学习的智能标注：对于物体检测模型定制任务，通过主动学习技术，筛选数据集中需要优先标注的关键数据并提供自动标注结果
3.模型校验优化：支持创建校验数据集，并选择校验数据集进行模型校验，输出模型性能评估报告（物体检测、图像分类）
4.新增数据中心产品支持：模型训练支持数据中心P4/KT智能分析服务器（物体检测、图像分类、检测+分类）
5.物体检测预置算法升级：提升物体检测类模型性能
海康AI开放平台客户端软件相关
下面我将介绍开放平台提供的这几种服务能力。
我们知道，现在的深度学习算法是数据驱动的，但是用户很难获取海量的训练数据。为了帮助行业用户突破数据鸿沟，AI开放平台提供了基于领域模型的迁移学习能力。AI开放平台训练了大量不同应用领域的领域模型，根据用户的任务，开放平台会自动选择的一个领域模型作为训练基础，然后在这个训练基础上利用场景数据进行迁移学习。
这张图表是对船只图像进行检测的算法实验结果，横坐标是参与训练的数据量，纵坐标是检测精度，虚线是迁移学习结果，实线是全量学习结果。从实验数据可以看到，迁移学习仅用100张左右的训练样本，算法就能获得85%的检测精度；而从头开始训练的话要达到同样性能则至少需要5000张样本。基于领域模型的迁移学习使用户能够用极少量的数据得到一个可用算法，极大的降低了用户在数据上门槛。
为了帮助用户进一步突破数据瓶颈，平台还开发了虚拟数据引擎，它利用三维建模、光线追踪、对抗学习等技术生成虚拟数据来丰富训练样本。第一个视频展示了虚拟生成的不同摆放位置和角度的货架商品样本；第二个视频展示了通过模拟光斑，字符叠加效果，虚拟生成的制造工件样本；第三个视频展示了通过三维建模，虚拟生成的室内场景。
虚拟数据引擎可以帮助用户丰富训练样本，大大降低了用户的数据成本。
除了数据准备之外，深度学习算法设计也是一件艰难的工作，它包括神经网络结构的设计和超参数的调整，一般都需要资深的算法工程师参与。为了帮助算法设计能力不足的用户，我们开发了模型架构搜索算法，该算法用庞大的计算能力自动寻找神经网络模型的最优解。由用户提交任务并设定约束条件，例如算法所消耗的计算资源和内存资源，由检索引擎自动完成算法设计工作。AI开放平台投入了大规模并行训练系统用以支持模型架构搜索服务上线。
在完成模型训练后，算法在产品端的移植工作也需要投入大量研发工作。为了提升从算法到产品的研发效率，开放平台开发了AI编译器，AI编译器利用神经网络图优化、汇编优化、指令编译优化等技术手段实现了算法在各类芯片平台上的自动优化及部署。由上图可以看到通过AI编译器自动优化的算法，其执行效率大幅度优于通用的优化方法。AI编译器现在已经支持多种云端及边缘端的计算平台，使得人工智能算法在海康前后端产品的移植变得非常便捷。
AI开放平台开放了大量海康已有的智能应用能力供行业用户调用，包括各种视频感知及跨媒体感知的能力。我们开放的视频感知能力包括各种目标的属性识别能力，以及对多种物品和行为的精准感知能力；平台还提供文字识别和语音识别能力。平台还提供多种跨媒体信息的融合感知能力。AI开放平台通过萤石云上线我们的智能应用服务。
人工智能技术在我国实体经济中大规模落地，需要人数众多的AI从业者进行持续的大众创新和群智涌现。但是现在AI从业者面临的一个难题是往往缺少合适的产品来承载他们的算法，为此我们开放了前后端全系列的人工智能硬件产品，以帮助AI从业者，实现他们自己的AI功能及方案。
海康AI开放平台客户端更新日志
1.图像比对模型定制：定制识别同一场景的前景图像与背景图像（基准图像）的差异区域。
2.支持基于主动学习的智能标注：对于物体检测模型定制任务，通过主动学习技术，筛选数据集中需要优先标注的关键数据并提供自动标注结果
3.模型校验优化：支持创建校验数据集，并选择校验数据集进行模型校验，输出模型性能评估报告（物体检测、图像分类）
4.新增数据中心产品支持：模型训练支持数据中心P4/KT智能分析服务器（物体检测、图像分类、检测+分类）
5.物体检测预置算法升级：提升物体检测类模型性能
