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)設置接口，滿足不同用戶業(yè)務場景的定制化需求。不同的用戶可針對自己的業(yè)務場景進行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果計算一些關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

經過不斷的迭代升級，慧視SpeedDP已經進入3.0版本，不僅支持YOLOV8算法模型，還加入了分割算法，應用場景更加豐富，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。