AI开发基础知识 目录 AI概念及基本原理 AI模型训练的基本流程介绍 AI概念及基本原理 人工智能(Artificial Intelligence,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能企图生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理等。
预置模型调参模式开发 为有一定AI开发基础的开发者提供预置模型调参建模方式,涵盖ResNet、YOLO、PicoDet、MaskRCNN等近30种网络类型,适配大部分场景,开发者只需选择合适的预训练模型以及网络,根据自身经验进行调整,以获得更适合特定场景的模型。 训练配置 预置模型调参模式下支持对模型文件导出类型、训练使用算法与网络类型、网络参数等内容进行设置。
使用Notebook开发模型 使用Notebook开发模型 在Notebook可以导入已创建的数据集并将其用于模型训练。 预置代码说明 当您创建的是图像分类、物体检测类型的Notbeook时,系统会自动生成一份代码,您只需要导入数据集并将代码做简单的适配即可快速创建。 当您创建的是通用型的Notebook时,系统会根据您使用的框架来生成一份示例代码。
AR场景编辑器 : 适合具备一定开发能力的用户。AR场景编辑器提供可视化场景编辑功能,搭配移动端App DuMixView,可实现对AR场景的实时预览和编辑调试。 AR场景编辑器 使用编辑器为主进行场景开发的开发者可重点关注。 功能简介 AR场景编辑器是一款基于WEB的AR场景开发工具,主要功能包括云端资源管理,可视化AR场景搭建,AR效果实时预览与调试等。
用零代码开发实现实例分割 示例说明 对比物体检测,实例分割支持用多边形标注训练数据,且模型可像素级识别目标。适合图中有多个主体、需识别其位置或轮廓的场景。本文以工件分割模型在macOS客户端中的使用为示例演示实例分割模型训练全过程。 实现步骤 只需八步即可完成自定义AI模型的训练及发布的全过程。
用零代码开发实现图像分类 示例说明 图像分类模型主要用于识别一张图中是否是某类物体/状态/场景,适合图片中主体或状态单一的场景。本文以害虫识别模型在macOS客户端中的使用为示例演示图像分类模型训练全过程。 实现步骤 只需八步即可完成自定义AI模型的训练及发布的全过程。
用零代码开发实现语义分割 示例说明 对比实例分割,语义分割指将每个像素点归属为对象类的过程。适用于分割目标主体单一的场景,简单举例来说语义分割能够识别出图片中哪些像素是归属于“人”的标签,但无法区分“不同的人”。本文以在macOS客户端中的使用为示例演示实例分割模型训练全过程。 实现步骤 只需八步即可完成自定义AI模型的训练及发布的全过程。
用零代码开发实现物体检测 示例说明 物体检测模型主要用于检测图中每个物体的位置、类型。适合图中有多个主体要识别、或要识别主体位置及数量的场景。本文以螺丝螺母识别模型在macOS客户端中的使用为示例演示物体检测模型训练全过程。 实现步骤 只需八步即可完成自定义AI模型的训练及发布的全过程。
多模态媒资检索 智能点播平台 智能直播平台 云虚拟主机 移动域名解析 智能流量管理 商标服务 短网址服务 智能对话营销服务 移动APP测试服务 智能外呼 文档服务DOC 物联网核心套件 物联网数据可视化 时序时空数据库 TSDB 度家-AIOT语音平台 效率云 问卷调研服务 史宾格安全及隐私合规平台 超级链BaaS平台 数字商品可信登记平台 性能测试 CPTS 计算 云服务器BCC 专属服务器DCC
场景开发素材设计 场景开发素材设计 平面/3D设计师可重点关注 以下是AR场景开发需要用到的素材、制作工具以及规范,所有素材根据需求及规范制作完成后交付给开发者进行脚本代码开发即可在手机上看到AR效果。 基础物料 2D图片素材 表现为⼀个贴有静态图⽚的平⾯,导出格式为jpg或png。 识别图素材 识别图是一张用于扫描触发AR场景,并实现跟踪效果的图片,识别图格式为jpg。