Engenharia do Algoritmo do Sistema de Reconhecimento de Placas de Licença-Tigerwong

Mas sistema de reconhecimento de placas, você tem certeza de que seu usuário tem uma placa gráfica? Em sua própria empresa ou laboratório, você pode não acreditar que uma empresa com centenas de suas equipes não terá placas gráficas. As condições de hardware podem ser basicamente atendidas; Mas para o usuário, tudo pode ser diferente. Você precisa executá-lo no computador/servidor do cliente. Existem muitos projetos. Em muitos ambientes, não há GPU, ou se você faz engenharia, GPU pode ser um luxo. Para o projeto de visão computacional, se o cliente precisar carregar o modelo no hardware exclusivo (como o equipamento de detecção de defeitos no campo da fabricação inteligente), é muito importante confirmar a configuração de hardware com o usuário com antecedência.

Se o cliente sabe o que é GPU é absolutamente o divisor de águas da dificuldade de cooperação. Será mais fácil saber e saber o que é GPU; Se você não sabe nada sobre GPU ou usa apenas GPU Intel, a dificuldade de pouso aumenta exponencialmente. Um critério simples: ao se comunicar com os clientes. Certifique-se de se comunicar com os usuários com antecedência. As placas gráficas são difíceis de encontrar. Você tem os dados? A primeira questão na discussão interna deve ser se o projeto possui dados? Todos os itens. Freqüentemente, existem conjuntos de dados prontos quando os técnicos reproduzem papéis. Dados limpos. Depois que o projeto é iniciado, a obtenção de conjuntos de dados e o pré-processamento do conjunto de dados são os links mais demorados. Depois de assumir muitos projetos e discutir todos os detalhes do negócio, os técnicos constataram que o cliente não tinha dados ou os dados não eram suficientes. Com os dados... Você pode entender isso? Para a maioria dos projetos de visão computacional, segue-se a última pergunta. Realmente não consigo entender os dados do cliente do sistema de reconhecimento de placas. Por exemplo, imagens médicas e rotulagem de dados são coisas que os médicos precisam de anos de treinamento para fazer bem. É difícil para sequenciadores sem qualquer formação médica entender esses dados em um curto espaço de tempo. No início do ano, fiz a identificação de defeitos para uma fábrica e descobri que modo de rede e layout usar. Como resultado, eu não conseguia entender as fotos e não conseguia marcá-las.

Parece que tudo está quebrado, mas o inspetor de qualidade da fábrica pode distinguir entre normal e defeitos de relance. O know-how desta indústria é muito importante. É difícil para o pessoal não médico ver quais angiocardiogramas são úteis para o diagnóstico. Entendendo as expectativas um do outro? Isso criou a impressão de que "a inteligência artificial é onipotente". A assimetria de informações entre usuários e técnicos leva a expectativas diferentes para o projeto. Diante de usuários que nunca estiveram em contato com a inteligência artificial, devido aos relatos exagerados da indústria de inteligência artificial na mídia nos últimos anos.

Certifique-se de que os usuários entendam os seguintes pontos: mas essa precisão não pode ser garantida. Em qualquer caso, isso está muito longe dos dados de treinamento, 1. Apenas a precisão do conjunto de teste é garantida. Pode ser reproduzido; 2. Projetos de aprendizado de máquina não podem atingir 100% de precisão; Não é como se você pudesse usá-lo comprando um download offline da Microsoft. 3. O treinamento leva tempo. A coisa mais irritante sobre a engenharia é fazer muitas demonstrações para os clientes. Você precisa fazer uma demonstração para qualquer demanda. Essas demonstrações são uma perda de tempo, mas não podemos deixar de fazê-las. Então, para economizar tempo para cada projeto de visão computacional, eu finalmente. Fizemos do tegucv uma visão visual do computador e uma ferramenta de rede neural. Atualmente, ele suporta reconhecimento de imagem, classificação de vídeo, comparação de rosto e reconhecimento de placa de licença, e tegucv suporta a operação local pura da janela. O sistema de reconhecimento de placas também inclui seleção automática de parâmetros, servidor HTTP e outras funções. Comece a treinar o modelo de visão computacional em dez minutos. Um monte de trabalho simples pode ser realizado diretamente com tegucv. É conveniente para os desenvolvedores implementar rapidamente a tecnologia e pode retirar muito trabalho simples.