超級AI，在線標注，既能解放雙手，又省時省力。

傳統(tǒng)的標注模式需要你對著目標不斷拉框，反復機械的動作做多了就變得“麻木”，影響效率還使人煩惱。

而SpeedDP的出現(xiàn)，可以有效的提升標注效率。它能夠幫助使用者快速進行人、車、船等數(shù)據(jù)集的一鍵標注。

SpeedDP依靠YOLO系列算法來檢測模型，實現(xiàn)“一鍵標注”和“目標檢測”，并且還提供豐富的算法參數(shù)設(shè)置接口，滿足不同用戶業(yè)務(wù)場景的定制化需求。不同的用戶可針對自己的業(yè)務(wù)場景進行AI算法的定制化開發(fā)以及算法模型的快速迭代優(yōu)化。

標準流程 自定義開發(fā)

作為一個深度學習AI開發(fā)平臺，SpeedDP采用常用的AI算法開發(fā)基本流程，該過程包含從需求分析、數(shù)據(jù)制作到模型訓練、測試驗證以及最后的模型部署幾個主要模塊。針對不同的數(shù)據(jù)集和算法參數(shù)設(shè)置，慧視SpeedDP開發(fā)平臺采用項目配置的方式來對不同的業(yè)務(wù)需求進行管理。

由此可見，SpeedDP并不是一成不變的，使用者可以根據(jù)自己的需求進行不同的模型開發(fā)，然后針對性的進行訓練，訓練的模型越成熟，AI就愈發(fā)聰明，標注的結(jié)果就更加精準。

因此，平臺的整個工作流程可以簡單概括為數(shù)據(jù)采集→模型訓練→測試評估→應(yīng)用部署，省去了中間大量的手動拉框的動作，節(jié)約大量時間。當然，如果是一些簡單的需求，我們也可以提供既有模型，用戶使用起來更加省時。

可視化模型評估 掌握模型精度

數(shù)據(jù)集測試評估是使用帶標注的數(shù)據(jù)集對模型的檢測輸出結(jié)果計算一些關(guān)鍵性能指標從而對訓練的模型進行評估，慧視SpeedDP開發(fā)平臺采用了目標檢測領(lǐng)域最常用的AP50、mAP50-95以及準確率和召回率等指標對模型進行整體性評價。

升級迭代 不斷更新

經(jīng)過不斷的迭代升級，慧視SpeedDP已經(jīng)進入3.0版本，不僅支持YOLOV8算法模型，還加入了分割算法，應(yīng)用場景更加豐富，并且軟件運行環(huán)境也升級到了cuda11.7，將更加契合使用者使用環(huán)境。