Ingénierie de l'algorithme du système de reconnaissance de plaque minéralogique-Tigerwong

Mais système de reconnaissance des plaques d'immatriculation, êtes-vous sûr que votre utilisateur dispose d'une carte graphique? Dans votre propre entreprise ou laboratoire, vous ne pouvez pas croire qu'une entreprise avec des centaines d'équipes n'aura pas de cartes graphiques. Les conditions matérielles peuvent être fondamentalement remplies; Mais pour l'utilisateur, tout peut être différent. Vous devez l'exécuter sur l'ordinateur/serveur du client. Il y a beaucoup de projets. Dans de nombreux environnements, il n'y a pas de GPU, ou si vous faites de l'ingénierie, le GPU peut être un luxe. Pour le projet de vision par ordinateur, si le client doit porter le modèle sur le matériel unique (tel que l'équipement de détection de défaut dans le domaine de la fabrication intelligente), il est très important de confirmer la configuration matérielle avec l'utilisateur à l'avance.

Que le client sache ce qu'est le GPU est absolument le tournant de la difficulté de la coopération. Il sera plus facile de savoir et de savoir ce qu'est le GPU; Si vous ne savez rien sur le GPU ou si vous utilisez uniquement le GPU Intel, la difficulté à l'atterrissage augmente de façon exponentielle. Un critère simple: lors de la communication avec les clients. Assurez-vous de communiquer avec les utilisateurs à l'avance. Les cartes graphiques sont difficiles à trouver. Avez-vous les données? La première question dans la discussion interne doit être de savoir si le projet dispose de données? Tous les articles. Il existe souvent des ensembles de données prêts à l'emploi lorsque les techniciens reproduisent des papiers. Données nettoyées. Une fois le projet lancé, l'obtention d'ensembles de données et le prétraitement des ensembles de données sont les liens les plus longs. Après avoir repris de nombreux projets et discuté de tous les détails commerciaux, les techniciens ont constaté que le client n'avait pas de données ou que les données ne suffisaient pas. Avec les données... Pouvez-vous le comprendre? Pour la plupart des projets de vision par ordinateur, la dernière question suit. Je ne comprends vraiment pas les données client du système de reconnaissance des plaques d'immatriculation. Par exemple, les images médicales et l'étiquetage des données sont des choses que les médecins ont besoin d'années de formation pour bien faire. Il est difficile pour les séquenceurs sans aucune formation médicale de comprendre ces données en peu de temps. Au début de l'année, j'ai effectué une identification de défaut pour une usine et j'ai déterminé le mode de réseau et de disposition à utiliser. En conséquence, je ne pouvais pas comprendre les images et je ne pouvais pas les marquer.

On dirait que tout est cassé, mais l'inspecteur de la qualité de l'usine peut faire la distinction entre la normale et les défauts en un coup d'œil. Le savoir-faire de cette industrie est très important. Il est difficile pour le personnel non médical de voir quels angiocardiogrammes sont utiles pour le diagnostic. Comprendre les attentes des uns et des autres? Cela a créé l'impression que "l'intelligence artificielle est omnipotente". L'asymétrie de l'information entre les utilisateurs et les techniciens conduit à des attentes différentes pour le projet. Face à des utilisateurs qui n'ont jamais été en contact avec l'intelligence artificielle, en raison des rapports exagérés de l'industrie de l'intelligence artificielle dans les médias ces dernières années.

Assurez-vous que les utilisateurs comprennent les points suivants: mais cette précision ne peut être garantie. En tout cas ça, c'est très loin des données de formation, 1. Seule la précision de l'ensemble d'essai est garantie. Il peut être reproduit; 2. Les projets d'apprentissage automatique ne peuvent pas atteindre une précision de 100%; Ce n'est pas comme si vous pouvez l'utiliser en achetant un téléchargement hors ligne Microsoft. 3. La formation prend du temps. Le plus ennuyeux avec l'ingénierie est de faire beaucoup de démos pour les clients. Vous devez faire une démo pour toute demande. Ces démos sont une perte de temps, mais nous ne pouvons pas nous empêcher de les faire. Donc, afin de gagner du temps pour chaque projet de vision par ordinateur, je enfin. Nous avons fait du tegucv un outil visuel de vision par ordinateur et de réseau neuronal. À l'heure actuelle, il prend en charge la reconnaissance d'image, la classification vidéo, la comparaison des visages et la reconnaissance des plaques d'immatriculation, et tegucv prend en charge le fonctionnement local pur de la fenêtre. Le système de reconnaissance des plaques d'immatriculation comprend également la sélection automatique des paramètres, le serveur HTTP et d'autres fonctions. Commencez à former le modèle de vision par ordinateur en dix minutes. Beaucoup de travail simple peut être réalisé directement avec tegucv. Il est pratique pour les développeurs de mettre en œuvre rapidement la technologie, et peut décoller beaucoup de travail simple.