异常拍照监测 - EasyDL零门槛AI开发平台 | 百度智能云文档
异常拍照监测 场景简介 对拜访门店过程中拍摄的照片进行异常拍摄监测，平台目前支持识别2类异常行为：翻拍和窜拍。 商品陈列翻拍识别能够识别出通过手机翻拍出的商品陈列照片，比如商品货架陈列图片和地堆商品陈列图片，可降低人工审核人力，高效审核零售业务中通过翻拍原有图片来造假的图片。 窜拍识别服务可对用户上传的数据进行疑似窜拍图（相似图）分组，用户可按照「人」、「门店」、「时间」定义需要识别的范围，服务按
物体检测服务器端SDK简介 - EasyDL零门槛AI开发平台 | 百度智能云文档
for Visual Studio 2015 GPU依赖： CUDA 9.x + cuDNN 7.x 单次预测耗时参考 根据具体设备、线程数不同，数据可能有波动，请以实测为准 在 算法性能及适配硬件 查看评测信息表 激活&使用步骤 离线SDK的激活与使用分以下三步： ① 下载SDK后，在 控制台 获取序列号 ② 本地运行SDK，并完成首次联网激活 通过左侧导航栏查看不同操作系统SDK的开发文档
图像分割iOSSDK集成文档 - EasyDL零门槛AI开发平台 | 百度智能云文档
EasyDL 通用版/全功能AI开发平台BML（原EasyDL专业版） 通用ARM版：支持iPhone5s, iOS 9.0 以上所有手机。 A仿生芯片版：支持iPhone5s, iOS 15.0 以上手机。充分利用苹果A系列仿生芯片优势，在iPhone 8以上机型中能有显著的速度提升。
Linux集成文档-Python - EasyDL零门槛AI开发平台 | 百度智能云文档
Linux集成文档-Python 简介 本文档介绍Linux Python SDK 的使用方法。 网络类型支持：图像分类，物体检测 硬件支持： Linux x86_64 CPU Linux x86_64 Nvidia GPU 语言支持：Python 3.5, 3.6, 3.7 Release Notes 时间 版本 说明 2021.8.23 1.0.0 第一版！ 快速开始 1. 安装依赖 根据引擎
物体检测创建模型 - EasyDL零门槛AI开发平台 | 百度智能云文档
物体检测创建模型 在导航【模型训练】中，点击训练模型，填写模型名称、所属行业、应用场景等信息，即可进入数据准备环节 操作示例： 注：1. 创建模型后可持续新增模型版本，因此不必每次训练模型都创建模型 2.目前单个用户在每种类型的模型下最多可创建10个模型，每个模型均支持多次训练。 3.如果您是企业用户，建议您按照真实企业信息进行填写，便于EasyDL团队后续更好的为您服务
Linux集成文档-Python - EasyDL零门槛AI开发平台 | 百度智能云文档
Linux集成文档-Python 简介 本文档介绍 EasyDL 的 Linux Python SDK 的使用方法，适用于 EasyDL 和 BML。 EasyDL 通用版： 网络类型支持：图像分类，物体检测，图像分割，声音分类，表格预测 硬件支持： Linux x86_64 CPU (基础版，加速版) Linux x86_64 Nvidia GPU (基础版，加速版) 语言支持：Python 3
EasyDL图像-物体检测快速开始 - EasyDL零门槛AI开发平台 | 百度智能云文档
训练完成的模型可发布为云端API或离线SDK，灵活适配各种使用场景及运行环境 数据支持 ：全方位支持训练数据的高质量采集与高效标注，支持在模型迭代过程中不断扩充数据，助力提升模型效果 更多参考 如对文档说明有疑问或建议，请 微信搜索“BaiduEasyDL” 添加小助手交流 备注：文档如使用中遇到报错等问题，请在控制台中通过“工单”联系我们，售后团队为您及时解决问题 EasyDL官网入口 EasyDL开发文档
视觉任务iOSSDK集成文档 - BML 全功能AI开发平台 | 百度智能云文档
EasyDL 通用版/全功能AI开发平台BML（原EasyDL专业版） 通用ARM版：支持iPhone5s, iOS 9.0 以上所有手机。 A仿生芯片版：支持iPhone5s, iOS 11.0 以上手机。充分利用苹果A系列仿生芯片优势，在iPhone 8以上机型中能有显著的速度提升。
EasyDL图像专项适配EdgeBoard(FZ)-SDK集成快速开始 - EasyDL零门槛AI开发平台 | 百度智能云文档
EasyDL图像专项适配EdgeBoard(FZ)-SDK集成快速开始 简介 本文将为新手提供一个快速测试和集成EasyDL & EasyEdge的 Linux EdgeBoard-FZ SDK的图文教程。
007-异常检测算法 - BML 全功能AI开发平台 | 百度智能云文档
007-异常检测算法 异常检测算法 IsolationForest 在高维数据集中实现异常值检测的一种有效方法是使用随机森林。隔离森林（IsolationForest）通过随机选择特征然后随机选择所选特征的最大值和最小值之间的分割值来隔离观测。 由于递归划分可以由树形结构表示，因此隔离样本所需的分割次数等同于从根节点到终止节点的路径长度。 在这样的随机树的森林中取平均的路径长度作为决策量度。 随机
