工作區(qū)

通過(guò)預(yù)設(shè)的模型任務(wù)/行業(yè)典型場(chǎng)景幫助用戶識(shí)別自身需求，用戶通過(guò)工作區(qū)管理自己的數(shù)據(jù)集、模型和API服務(wù)。工作區(qū)是完整視覺智能能力定制生產(chǎn)和API服務(wù)管理的承載主體，用戶可以對(duì)工作區(qū)進(jìn)行獨(dú)立授權(quán)。

數(shù)據(jù)集

自學(xué)習(xí)平臺(tái)的視覺AI模型通過(guò)深度學(xué)習(xí)獲得，而深度學(xué)習(xí)依賴用戶上傳的樣本數(shù)據(jù)，樣本數(shù)據(jù)以數(shù)據(jù)集的形式進(jìn)行組織與管理，避免對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的查找，并能靈活地進(jìn)行數(shù)據(jù)集的交叉組合及數(shù)據(jù)集內(nèi)的數(shù)據(jù)篩選。用戶可以以數(shù)據(jù)集的維度進(jìn)行批量數(shù)據(jù)的上傳、瀏覽、標(biāo)注及模型的訓(xùn)練。

樣本

自學(xué)習(xí)平臺(tái)的樣本特指用于訓(xùn)練或驗(yàn)證平臺(tái)定制模型的精度性能的，來(lái)自用戶實(shí)際需求場(chǎng)景的圖像數(shù)據(jù)文件。

算法

基于訓(xùn)練數(shù)據(jù)集，根據(jù)學(xué)習(xí)策略，以及從假設(shè)空間中選擇的最優(yōu)模型，求解最優(yōu)模型的計(jì)算方法。

訓(xùn)練

機(jī)器在模擬人類大腦思維方式的過(guò)程中高度依賴于過(guò)往解決問(wèn)題的經(jīng)驗(yàn)數(shù)據(jù)，要把這種解決問(wèn)題的規(guī)律告訴機(jī)器就需要進(jìn)行訓(xùn)練，而在真實(shí)業(yè)務(wù)場(chǎng)景中，單純的根據(jù)已知數(shù)據(jù)訓(xùn)練出來(lái)的模型并不能真正滿足用戶的預(yù)期，所以自學(xué)習(xí)平臺(tái)將已知數(shù)據(jù)尋找模型參數(shù)的訓(xùn)練過(guò)程，通過(guò)深度調(diào)參和候選模型評(píng)估比較最優(yōu)模型，以供用戶根據(jù)自己的實(shí)際場(chǎng)景挑選最優(yōu)模型，從而解決自己的業(yè)務(wù)需要。

模型

在自學(xué)習(xí)平臺(tái)上，模型特指能完成視覺分類、檢測(cè)、分割等智能化識(shí)別工作的工具。模型是基于算法學(xué)習(xí)的成果，是最終應(yīng)用于真實(shí)業(yè)務(wù)場(chǎng)景中的智能工具，并以離線SDK和在線API兩種方式應(yīng)用到真實(shí)場(chǎng)景。

測(cè)試集

測(cè)試集是驗(yàn)證模型性能好壞的數(shù)據(jù)集，主要服務(wù)于定制模型的評(píng)估模塊，在新建測(cè)試集界面上傳一批圖片，在模型產(chǎn)出還未提取的評(píng)估界面進(jìn)行測(cè)試關(guān)聯(lián)，能快速驗(yàn)證多個(gè)模型的好壞，幫助用戶決策最優(yōu)模型。