Engineering des Nummern schilder erkennungs systems Algorithmus-Tiger wong

Aber Kennzeichen erkennungs system, sind Sie sicher, dass Ihr Benutzer eine Grafikkarte hat? In Ihrem eigenen Unternehmen oder Labor glauben Sie möglicher weise nicht, dass ein Unternehmen mit Hunderten von Teams keine Grafikkarten hat. Die Hardware bedingungen können grunds ätzlich erfüllt werden; Für den Benutzer kann jedoch alles anders sein. Sie müssen es auf dem Computer/Server des Kunden ausführen. Es gibt viele Projekte. In vielen Umgebungen gibt es keine GPU, oder wenn Sie Engineering durchführen, ist GPU möglicher weise ein Luxus. Wenn der Kunde das Modell für das Computer-Vision-Projekt auf der einzigartigen Hardware (wie z. B. dem Gerät zur Fehler erkennung im Bereich der intelligenten Fertigung) tragen muss, ist es sehr wichtig, die Hardware konfiguration mit dem Benutzer im Voraus zu bestätigen.

Ob der Kunde weiß, was GPU ist, ist absolut der Wendepunkt der Schwierigkeit der Zusammenarbeit. Es wird einfacher sein, zu wissen und zu wissen, was GPU ist; Wenn Sie nichts über GPU wissen oder nur Intel GPU verwenden, erhöht sich die Schwierigkeit der Landung exponentiell. Ein einfaches Kriterium: bei der Kommunikation mit Kunden. Stellen Sie sicher, dass Sie im Voraus mit den Benutzern kommunizieren. Grafikkarten sind schwer zu finden. Haben Sie die Daten? Die erste Frage in der internen Diskussion muss sein, ob das Projekt Daten hat? Alle Gegenstände. Es gibt oft fertige Datensätze, wenn Techniker Papiere reproduzieren. Gereinigte Daten. Sobald das Projekt gestartet ist, sind das Abrufen von Datensätzen und die Vor verarbeitung von Datensätzen die zeit aufwändig sten Links. Nachdem die Techniker viele Projekte übernommen und alle Geschäfts details besprochen hatten, stellten sie fest, dass der Kunde keine Daten hatte oder die Daten nicht ausreichten. Mit den Daten... Kannst du es verstehen? Für die meisten Computer Vision-Projekte folgt die letzte Frage. Ich kann die Kundendaten des Kennzeichen erfassungs systems wirklich nicht verstehen. Zum Beispiel sind medizinische Bilder und Daten kennzeichnungen Dinge, die Ärzte jahrelange Ausbildung brauchen, um gut zu machen. Für Sequenzer ohne medizinischen Hintergrund ist es schwierig, diese Daten in kurzer Zeit zu verstehen. Zu Beginn des Jahres habe ich eine Fehler identifikation für eine Fabrik durchgeführt und heraus gefunden, welchen Netzwerk-und Layout modus ich verwenden soll. Infolge dessen konnte ich die Bilder nicht verstehen und nicht markieren.

Es sieht so aus, als wäre alles kaputt, aber der Qualitäts inspektor der Fabrik kann auf einen Blick zwischen normalen und Mängeln unterscheiden. Das Know-how dieser Branche ist sehr wichtig. Für nicht medizinisches Personal ist es schwierig zu erkennen, welche Angio kardiogramme für die Diagnose hilfreich sind. Die Erwartungen des anderen verstehen? Es habe den Eindruck erweckt, dass "künstliche Intelligenz allmächtig ist". Die Informations asymmetrie zwischen Anwendern und Technikern führt zu unterschied lichen Erwartungen an das Projekt. Im Angesicht von Nutzern, die noch nie in Kontakt mit künstlicher Intelligenz waren, aufgrund der übertriebenen Berichte der künstlichen Intelligenz industrie in den letzten Jahren in den Medien.

Stellen Sie sicher, dass die Benutzer die folgenden Punkte verstehen: Diese Genauigkeit kann jedoch nicht garantiert werden. In jedem Fall ist das sehr weit von den Trainings daten entfernt, 1. Nur die Genauigkeit des Tests atzes ist garantiert. Es kann reproduziert werden; 2. Machine-Learning-Projekte können keine 100% ige Genauigkeit erreichen. Es ist nicht so, dass Sie es verwenden können, indem Sie einen Microsoft-Offline-Download kaufen. 3. Training braucht Zeit. Das Ärgerlich ste am Engineering ist, viele Demos für Kunden zu machen. Sie müssen eine Demo für jede Nachfrage machen. Diese Demos sind Zeit verschwendung, aber wir können nicht anders, als sie zu machen. Um also Zeit für jedes Computer-Vision-Projekt zu sparen, habe ich endlich. Wir haben Tegucv zu einem visuellen Computer Vision-und neuronalen Netzwerk werkzeug gemacht. Derzeit unterstützt es die Bilder kennung, Video klassifizierung, Gesichts vergleich und Kennzeichen erkennung, und tegucv unterstützt den rein lokalen Betrieb von Fenstern. Das Kennzeichen erkennungs system umfasst auch die automatische Parameter auswahl, den HTTP-Server und andere Funktionen. Starten Sie das Training des Computer-Vision-Modells in zehn Minuten. Viele einfache Arbeiten können direkt mit Tegucv realisiert werden. Es ist bequem für Entwickler, die Technologie schnell zu implemen tieren, und kann eine Menge einfacher Arbeit abziehen.