圖像標注作為一項簡單但是枯燥無味的工作，一直被行業期望于被AI取代，慧視光電推出的SpeedDP就是這樣一款軟件。慧視SpeedDP提供從數據標注、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開發功能。要使用SpeedDP實現自動圖像標注，首先要對應不同的數據和算法參數設置，慧視SpeedDP開發平臺采用項目配置的方式來對不同的業務需求進行管理。通過yolox系列模型的輸入，支持可見光圖像和紅外圖像進行分類配置，然后便可點擊“開始訓練”開始模型訓練并實時顯示訓練記錄，點擊“停止訓練”即可停止當前的訓練。“慧眼”雙光相機在智慧安防的應用。陜西高效目標檢測

人類可以識別和分類不同物體，但是計算機并不能主動實現，于是我們就通過圖像標注來使計算機視覺解釋它接收到的視覺數據。圖像標注能夠幫助計算機給不同類型的圖像打上標簽等信息，使計算機能夠對這些圖片進行理解和分類，幫助使用者能夠更快的完成一些工作。隨著近些年AI技術的突飛猛進，將AI技術運用到圖像標注領域，已成為可能。為了讓AI圖像標注面向大眾化，許多企業都推出了各異的產品，慧視光電打造的SpeedDP深度學習算法開發平臺就是在這樣的市場環境下誕生。西藏低壓線目標檢測無人機吊艙能夠通過定制算法和精細定位技術實現農藥精細噴灑、農作物精細拋糧等操作。

隨著人工智能的興起，AI工程師特別是基于圖像的算法工程師日益成為炙手可熱的香餑餑，特別在一些行業市場例如工業領域、軍、工領域等行業領域，需要根據具體場景對檢測識別算法進行不斷地優化完善，已達到更高的準確率。在這個工作的過程中，對特定目標的數據標注、模型訓練、測試驗證、到嵌入式平臺的模型部署是中間重要的工作，拋開人員費用不管，這將需要耗費大量的時間，是否有一款集成的工具，可以節約圖像算法工程師的時間，提升算法迭代的效率，一直是圖像算法工程師的迫切需求。雖然市場上也有一些零散的工具，甚至一些單位自己也開發了一些相關的工具，但是因為集成度低，導致使用起來始終不是那么順暢。

SpeedDP開發平臺采用標準的AI開發流程，即數據標注->模型開發->應用部署。旨在快速直觀的驗證所開發的不同算法在移動端部署時的實際效果。測試平臺目前支持的主要任務功能包括圖像分類、目標檢測、多目標跟蹤，主要的部署平臺是RockChip嵌入式硬件平臺包括rk3399pro、rk3588等。為了盡可能減小測試工具與實際移動端部署程序之間的差異同時簡化測試工具的開發難度，在設計測試平臺程序時采用了一些特殊方法。首先使用C和C++設計封裝了不同子任務的可執行程序，并通過讀取不同配置文件的方式實現不同的功能，然后使用python+streamlit+子程序設計了web服務程序，用戶可通過瀏覽器訪問特定網址來使用測試平臺。全國產化智能處理板助力無人駕駛汽車發展。

慧視SpeedDP開發平臺采用標準的AI開發流程，即需求分析->數據采集標注->模型訓練->測試驗證->模型部署。實際操作部分可分為如下五個模塊：1.數據集管理：采集并制作用于訓練和測試的數據集；2.項目配置：根據項目的實際情況，對調整相關配置參數進行定制化開發；3.模型訓練：完成訓練參數配置，開始模型訓練并監控訓練過程，損失精度，可接受時，暫停訓練；4.模型測試：使用數據集或實際業務場景圖像視頻數據進行模型評估；5.模型部署：模型測試結果達到預期，進行模型轉化和部署。慧視RK3399圖像跟蹤板支持目標檢測識別目標（人、車）。安徽目標檢測解決

國產化處理板生產廠家—慧視光電。陜西高效目標檢測

傳統的圖像標注需要工作人員利用工具對圖像進行挨個分類，打上標簽，這樣的工作將耗費大量時間精力，并且工作的技術含量不足，還得投入相當的人力成本。而SpeedDP真是取代這種工作模式的工具，它通過提供從數據標注、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開發功能，讓計算機通過學習樣本數據的特征表達以及數據分布然后實現能夠像人一樣具備分析和識別目標的能力。這樣，當給定一張圖像時，就能夠自動計算出該圖像中感興趣的目標物體的類別與位置大小（目標框）。通過海量的深度學習，然后實現解放雙手。這個常用的AI算法開發基本流程，該過程包含從需求分析、數據制作到模型訓練、測試驗證以及模型部署幾個主要模塊。陜西高效目標檢測