PaddleX解决分类、检测两大场景问题?实战精讲教程来了!

原创
2023/10/18 11:05
阅读数 35

AI技术加速数字化进程,从制造、交通、能源等基础行业,到医疗、城市、零售、家居等与人们日常生活息息相关的行业,AI技术推动了数字化变革,也不断赋能于千行百业,但产业落地实践中依然面临着数据、算法等诸多困难。为了帮助大家更好地应对实际行业场景中的问题,飞桨团队推出PaddleX精选产业实用模型的一站式开发软件平台,目前已正式上线AI Studio星河社区,并发布了Windows本地端版本,助力人工智能技术在各领域的实际应用。

PaddleX具有诸多特点,如优质的算法库、便捷的开发方式、高效的模型部署、丰富的硬件支持、共赢的共创模式,为产业应用中的模型选型难题及多模型联合应用需求,提供了全面的解决方案。同时,还覆盖图像分类、图像分割、目标检测、OCR、3D、时序预测等场景的精选模型,从数据准备、模型训练到多端部署,打通了深度学习开发全流程,并提供统一API接口,以无代码+低代码联动的形式帮助AI开发者实践落地。

为了让开发者们更便捷地应用飞桨AI套件PaddleX,百度工程师郜廷权将于10月18日(周三)20:30为大家带来一期精品课程,深度解析PaddleX特性,手把手带大家用PaddleX进行图像分类、目标检测两大场景的实战教学,演示真实场景全流程AI模型开发。一场直播、两大场景实战、三档模型可供选择,教你灵活使用飞桨AI套件PaddleX

精彩直播预告

图像分类——垃圾分类

图像分类是计算机视觉领域的基础任务,实现对未知类别的图像进行分类。本次直播以垃圾分类场景为例,基于PaddleX,用户可灵活选取大中小三档图像分类模型:CLIP_vit_base_patch16_224、ResNet50、PPLCNet_x1_0。本次演示所用数据集中,所有图像分为4个大类,分别为可回收物、厨余垃圾、其他垃圾以及有害垃圾,每大类中又有细分类别,共有40个小类,基本覆盖日常生活中的绝大多数垃圾种类。该数据集数量庞大,质量较高,能够满足深度学习的训练要求。

目标检测——绝缘子缺陷检测

目标检测任务是计算机视觉领域的核心问题,用于找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。本次直播以绝缘子缺陷检测为例,演示所用数据集包含大量有缺陷绝缘子照片,其中训练集共540张图像,验证集共60张图像,目标类别只有1类,即绝缘子缺陷,该数据集质量较高,能够满足深度学习的训练要求。

 

注:PaddleX通用图像分类、目标检测方案,提供了不同量级的多个算法模型,能够满足用户不同任务、场景的需求。

两个场景实战不过瘾?还想体验PaddleX更多场景应用?别着急~未来,我们也将持续为广大开发者和企业带来飞桨AI套件PaddleX中精选模型技术详解与场景范例!欢迎关注「飞桨PaddlePaddle」解锁更多信息~

加入星河共创计划 成为文心生态伙伴

除了可以更便捷地开发AI模型和应用外,星河共创计划为企业提供了企业扶植商业收益的机会。

  • 有意向基于文心大模型(ERNIE Bot SDK、文心一言等)共创应用和插件,可以获取百亿流量、项目奖金等福利。

  • 基于文心大模型和PaddleX飞桨AI套件)共创应用上线至星河社区,可以拟定应用价格,开放给其他用户购买,获得应用收入分成。

通过星河共创计划,成为文心生态伙伴,助力企业快速实现行业痛点解决、大模型业务落地、客户拓展和商业收入。我们期待与您携手,发掘更多经典场景案例!

相关地址直达:

1、【PaddleX官网】:

飞桨AI Studio星河社区-人工智能学习与实训社区

2、【PaddleX官方频道】:

飞桨AI Studio星河社区-人工智能学习与实训社区

3、【PaddleX共创方案】:

https://ai.baidu.com/ai-doc/AISTUDIO/pll1ysj35

4、【PaddleX使用文档】:

https://ai.baidu.com/ai-doc/AISTUDIO/Zlisojzjs

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部