SpeedDP作為一個低門檻的深度學習算法開發平臺，能夠為使用者提供從數據標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發功能。目前，SpeedDP提供網頁端和移動端兩種選擇，網頁端可以在局域網使用，而移動端能夠快速直觀的驗證所開發的不同算法在移動端部署時的實際效果，使用起來更加便捷。SpeedDP也是一個運行在移動設備上的視覺算法測試工具集，支持的主要任務功能包括圖像分類、目標檢測、多目標跟蹤，主要的部署平臺是RockChip嵌入式硬件平臺包括RK3399pro、RK3588等。軟件可運行于Windows或Linux操作系統，來幫助使用者完成自動標注、AI算法（目前支持目標檢測）開發（項目配置、訓練、評估、測試）、模型部署等相關功能，在充分保證數據安全的基礎上，能夠有效減少人力、物力消耗，節省項目開發時間。通過海量的數據模型訓練，SpeedDP能夠更加聰明。江西智慧園區AI智能供應商

圖像視頻識別技術深入生活場景的背后,數據發揮著愈加重要的作用。我們都知道人工智能是通過大批量基于特定標注規則后學習的方法論。"數據標注"通過人工智能訓練師將像素、語音信號、文本內容等轉換為機器能理解,能看懂的數據內容,這樣機器才能習得識別處理。因此,數據標注工作自然也就成為將原始數據變成算法可用AI數據的關鍵步驟,是關乎整個AI產業的基礎,更是機器感知現實世界的源點。可以說得數據者,才得人工智能。高質量的AI數據對于圖像視頻識別技術的落地應用的價值毋庸置疑,高質量的AI數據將很大限度地提升圖像識別的效率。可以說,數據之于AI產業的意義,就在于可以很大程度上提升AI在行業落地的效率與穩定,進而推動新基建的落地,可見其意義之深遠。湖北研發AI智能在機器學習中，模型部署是將機器學習模型集成到現有生產環境中的過程。

近年來，人們越來越認識到深入理解機器學習數據的必要性。不過，鑒于檢測大型數據集往往需要耗費大量人力物力，它在計算機視覺領域的廣泛應用，尚有待進一步開發。通常，在物體檢測中，通過定義邊界框，來定位圖像中的物體，不僅可以識別物體，還能夠了解物體的上下文、大小、以及與場景中其他元素的關系。同時，針對類的分布、物體大小的多樣性、以及類出現的常見環境進行了解，也有助于在評估和調試中發現訓練模型中的錯誤模式，從而更有針對性地選擇額外的訓練數據。

目標檢測（Object Detection）的任務是找出圖像中所有感興趣的目標（物體），確定它們的類別和位置，是計算機視覺領域的主要問題之一。由于各類物體有不同的外觀、形狀和姿態，加上成像時光照、遮擋等因素的干擾，目標檢測一直是計算機視覺領域相當有有挑戰性的問題。隨著深度學習的不斷發展，目標檢測的應用愈加廣，現已被應用于農業、交通和醫學等眾多領域。與基于特征的傳統手工方法相比，基于深度學習的目標檢測方法可以學習低級和高級圖像特征，有更好的檢測精度和泛化能力SpeedDP能夠替代傳統的人工標注師。

隨著技術的不斷迭代發展,人工智能應用已潛移默化的深入到人們的日常生活中,智能圖片搜索、人臉識別、指紋識別、掃碼支付、視覺工業機器人、輔助駕駛等圖像視頻識別產品正在深刻改變著傳統行業。而這些功能實現的背后,都要依賴于人工智能數據的標注。但是如果遇到數據量龐大的標注需求，傳統的人工標注就顯得費時費力，會影響整個項目的進度。慧視SpeedDP是針對AI零基礎用戶的低門檻AI開發平臺，提供從數據標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發功能。SpeedDP提供豐富的算法參數設置接口，滿足不同用戶業務場景的定制化需求。此外，慧視SpeedDP開發平臺支持本地化服務器部署，數據敏感的用戶也無需擔心數據信息泄露的問題。RV1126圖像處理板的目標識別能力突出。湖北研發AI智能

Viztra-LE034圖像處理板識別概率超過85%。江西智慧園區AI智能供應商

SpeedDP有4+3的功能組合，為不同需求的客戶提供定制化服務。項目配置：含任務屬性（當前支持目標檢測）、算法模型（當前支持YOLO-X）、項目參數等；模型訓練：支持模型參數配置、訓練過程可視化等；模型評估：支持評價體系（如：AP）、結果統計等；數據測試：支持數據（圖像、視頻）的實時加載測試，輸出OSD疊加后的測試結果；自動標注：基于導入數據集快速生成標注結果，支持標注工具（LabelImg）讀取和調整；（可選）模型部署：支持PC端、嵌入式端（瑞芯微平臺，RKNN/RKNN2）兩種部署方式；（可選）Web服務：支持快速搭建Web服務，用于團隊內部或對外進行快捷訪問和申請服務；（可選）江西智慧園區AI智能供應商