慧安小课堂 | 灵境

发布时间：2023-04-10 作者：慧安股份 来源：慧安股份

       在之前的文章中，我们已经介绍过了人工智能的基本概念和算法开发的大致流程。当今，我们通常使用深度学习来开发人工智能算法和应用。

       深度学习（DL）是目前最为流行的一种AI技术，深度学习的灵感来自大脑的结构和功能，即许多神经元的互连。它是一种基于神经网络的机器学习（ML）方法，通过多层神经网络对数据进行学习和处理，从而实现对数据的分类、识别和预测等任务。

深度学习按照应用，可以分为三大类算法：

1.卷积神经网络(简称CNN)

       CNN可应用在图像分类(image classification)、目标检测(object detection)及语义分割(semantic segmentation)等。

2.循环神经网络(简称RNN)

       不同于CNN，RNN网络本身具有记忆能力，可学习具有前后相关的数据类型，可用与进行语言翻译或文本翻译等。

3.生成对抗网络(简称GAN)

       GAN是强化学习的一种，主要是通过两个神经网络相互博弈的方式进行学习，常用于图像重构、游戏开发、虚拟图像生成、以及智能聊天算法开发。

灵境-慧安蜂巢算法中台

       深度学习对硬件环境的依赖很高，对于开发者有较高的门槛，深度学习计算框架的出现，屏蔽了大量硬件环境层面的开发代价，使研究者和开发人员可以专注于算法的实现，快速迭代。目前，深度学习框架有很多种，比如Pytorch、TensorFlow、Caffe、PaddlePaddle、Maxnet等。

       尽管深度学习框架极大了提升了AI算法开发效率，但是对于一些初学者和中小企业来说学习成本高，AI算法开发依然有一定的难度，需要进行大量的工作，耗费大量的人力成本。如下图所示，开发一套AI算法需要下面的流程。

       为了解决这一问题，慧安股份打造了灵境慧安蜂巢算法中台，全面支持数据集管理、算法开发、模型训练、在线部署等算法全生命周期工作。

数据集管理

创建数据集：根据需求上传自己的数据集，支持图像、视频、文本、音频等类型的数据集。

标注数据集：可以手动标注，也可以使用预置的目标检测、图像分类、图像分割等算法自动对数据集进行自动标注。

算法开发与管理

       用户可以使用在线交互式笔记本自主开发深度学习算法，也可以使用灵境预置的算法进行训练。

模型训练与管理

       完成数据集标注与算法开发后，可以使用算法创建训练任务。灵境支持使用PyTorch、TensorFlow等多种框架训练，同时支持多CPU与GPU并行训练。

       训练完成后，算法模型会保存在模型列表中。灵境也预置了多种场景下的常用模型，包括安全帽安全服检测识别、明厨亮灶相关算法、垃圾检测分类、抽烟检测、手机使用检测、快递号识别、人脸识别、车辆检测、烟火检测、人员非法聚集检测、文本分类、语音识别等模型。

       这些预训练模型可以开箱即用，用户能够直接使用预训练模型进行业务部署。也可以基于预训练模型+自有数据集进行进一步训练，获得更加精准、符合用户场景的模型。

模型部署-在线服务

       灵境支持将算法和模型部署为在线服务，可以将自己的算法和模型在线部署到灵境慧安蜂巢算法中台，可以提供模型在线推理预测。

总结

       整体来说，我们的灵境慧安蜂巢算法中台有两大特色功能。

1.零门槛AI开发和使用

（1）灵境慧安蜂巢算法中台预置多种场景和行业需要的AI算法模型，包含通用目标检测，图像分类等，也包含行业专用的如安全帽、安全服检测，加油站烟火检测等。用户可以直接选择需求模型，做推理和部署，解决自己业务问题。

（2）对于一些平台上没有的专业模型，用户也能轻松开发。灵境慧安蜂巢算法中台提供了自动比标注和自动机器学习服务，用户只需要输入需要训练的数据，灵境平台即可帮助完成整个算法开发过程，极大提升AI算法开发效率，节省成本。

2.为AI工程师提高开发效率

（1）灵境慧安蜂巢算法中台提供强大的GPU算力，内置多种深度学习开发环境，用户可灵活选择需要的环境，节省环境配置时间。

（2）在线标注：提供多人协作标注和自动标注功能。

（3）灵境还提供了在线算法开发工具Jupyter Notebook，供用户在线协同开发使用。

（4）提供多种公共数据集和预训练模型，用户可以用极少的数据，训练出适合自己的专业AI算法模型。

       灵境慧安蜂巢算法中台为人工智能的开发提供更强有力的支撑，提供AI算法开发从数据标注到模型部署的一站式全流程服务。

来源 | 研发中心/技术创新与规划科技部

审核 | 市场部