直击产业落地!飞桨重磅推出业界首个模型选型工具

06/29 03:58
阅读数 7

d9d46c753e758772a5efd5c0ebbff0f7.gif

随着技术发展,AI算法已经逐渐渗透到各行各业。AI算法固然高效,然而在实际项目中,开发者往往面临众多复杂的应用场景。而业界开源的算法成百上千,硬件也越来越多种多样。如何在特定的场景,快速选出最合适的AI算法和与之匹配的、性价比最高的硬件,是产业开发者的一大痛点。

b367678af174702f435d06e7e26e2a25.png

为了快速解决模型及硬件选型的难题,使开发者更快速地进行AI项目落地,飞桨团队推出了「场景模型选型工具」。它考虑用户真实的产业落地诉求,并集成了飞桨团队长期积累的产业实践经验。可以针对用户的真实场景需求推荐合适的模型、优化策略与硬件组合。针对典型场景,还推荐相关的产业实践范例。

79158d42ba1fc97f26907292c950f951.png

6266190b803e00357a651c31cb9ae39b.gif

⭐点击阅读原文⭐

获得产品体验地址

https://www.paddlepaddle.org.cn/smrt

大家也可以通过直接访问飞桨官网——模型库——产业模型选型工具进行访问使用。

2f2d1c69c66b514b0893d591ad37853d.png

细心的小伙伴不难发现,模型选型工具里还有一项非常直观的数据分析功能,用户只需要上传自己的标注文件(不需要原图),工具即可分析数据特点,提供模型选型及优化策略。当前模型选型工具支持Labelme、精灵标注、labelImg等主流标注软件导出的标注文件,同时支持voc数据格式、coco数据格式和seg(语义分割)数据格式。

ac1f7a2605c434c920af65a8929e69ef.png

这么好用的工具,如何能更高效地使用呢?我们通过一个实际的工业质检的案例,详细为大家说明。

案例详解

在某钢材厂缺陷检测项目中,用户使用线阵相机对钢板上缺陷进行检测,通过编码器控制,每4000行产生一张4096*4000大小的图像。根据项目运行要求,需要精确地计算出缺陷的面积,同时需要在2080Ti显卡上200ms完成缺陷检测。

那么怎样具体通过模型选型工具来确定最终的模型呢?

步骤一:根据图片大小确定可能的裁剪方案

通常线阵相机得到的图片尺寸较大,但在实际应用当中,往往会裁剪成小尺寸进行训练和预测,而裁剪成多少张,每张图片的入网尺寸设置成多少,决定着最终模型是否能够在规定时间完成识别任务。

395fc462afa56c312f440e547f7b7171.png

步骤二:通过模型选型工具进行查询

选择合适的模型

由于项目需要对缺陷的面积实现精准的识别,因此项目选择了图像分割系列模型。在规定的时间条件下,根据切分的图像数量换算出每张图片至多的预测时间,根据模型选型查询相应的模型在Input-size(图片裁剪后大小)相同条件下满足预测时间要求的组合,选择Target-size(实际入网尺寸)最大的一组值,最终筛选出合适的模型组合。

备注:该方案目前主要考虑图片切分后进行串联顺序预测。

f2558cfff11b1e93def810f4ecf6db81.png

步骤三:基于选择出的模型

进行模型优化

根据最终确定的模型的裁剪大小进行图片标注,根据模型选型工具中的数据分析功能,进一步分析数据的特点,针对其样本分布不均衡的特点,通过更新损失函数进行深层优化。

3d8d36fbf2a2481c47e72dead25e675f.png

该项目是基于已知的推荐硬件前提下选择对应的模型,如果用户需要进行硬件选型,模型选型工具也支持根据用户输入的时间自动推荐符合的硬件设备。如下图案例所示,预留到模型推理的时间在50-100ms,用户输入相应的条件,即可获取该时段下不同硬件的推荐以及具体的模型运行时间

78c4c80958974d80c7bb25bfda3cf2c6.png

目前飞桨团队根据用户落地部署的需求,提供基于1660Ti、1080 Ti、2080 Ti、3090等多款芯片在TensorRT FP32的测试数据,后续将支持更多云边端的部署硬件,以此来更好满足用户的落地需求。

惊喜福利

这么好用的「场景模型选型工具」,大家还在等什么呢?

  • 欢迎大家点击阅读原文,体验使用:

    https://www.paddlepaddle.org.cn/smrt

  • 欢迎大家加入用户交流群,入群即可获取智能制造、智慧城市课程的大礼包

f347090aacc23681e75cbe46a307eda1.png

d69d4af519f0e52e7c6b897aded230e1.gif

关注【飞桨PaddlePaddle】公众号

获取更多技术内容~

本文同步分享在 博客“飞桨PaddlePaddle”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部