簡(jiǎn)介：
利用深度算法提取特征強，復雜場(chǎng)景適應能力強的特點(diǎn)，結合傳統算法可解釋性強，方便用戶(hù)自動(dòng)調整等優(yōu)點(diǎn)，提供整體的解決方案。
對比 量化 多通道 量化分割
多樣的AI算法：
具有多種不同的深度算法，包括分割、分類(lèi)、定位、缺陷量化、對比分類(lèi)、對比分割、多圖分類(lèi)以及多圖分割、異常檢測，通過(guò)多種算法相互融合，可以覆蓋大多數的制造業(yè)缺陷檢測領(lǐng)域。與傳統算法缺陷檢測相比，通過(guò)采用多樣的AI算法節約開(kāi)發(fā)用時(shí)90%，大大減少開(kāi)發(fā)成本。
的網(wǎng)絡(luò )結構：
結合前沿的機器學(xué)習、深度學(xué)習算法，網(wǎng)絡(luò )結構設計思路為通過(guò)分類(lèi)算法利用神經(jīng)對空間的關(guān)注以及對不同通道的關(guān)注，干預神經(jīng)網(wǎng)絡(luò )的關(guān)注點(diǎn)，防止分類(lèi)算法關(guān)注到圖像的其他特征
精度高、檢測速度快：
基于GPU的cuda以及tensor core進(jìn)行開(kāi)發(fā)，對不同網(wǎng)絡(luò )層進(jìn)行融合，利用fb16進(jìn)行加速，多工具相互融合嵌套加速?？珊撩爰壙焖夙憫鞣N圖像識別具體場(chǎng)景，通過(guò)數據訓練不斷提高識別效果，準確率可達99%以上。
迭代速度快：
可以利用輔助標注系統，少量的標注數據。對大量數據進(jìn)行半自動(dòng)標注，大大減少標注的時(shí)間成本。使用主動(dòng)學(xué)習的方式，大量的減少訓練的數據。采用的數據結構方便數據的方便快速讀寫(xiě)。利用GPU加速在1小時(shí)內完成數據訓練，快速迭代檢測模型。
