IDEA研究院團隊推出了GroundingDINO  1.5，它能夠實現(xiàn)端側實時識別。在圖像和文本的語義理解上表現(xiàn)出色，能夠快速、準確地根據(jù)語言提示檢測和識別圖像中的目標對象。作為當前性能比較好的開集檢測模型，GroundingDINO  1.5Pro可以幫助構建海量的具有物體級別語義信息的多模態(tài)數(shù)據(jù)，從而有效地助力多模態(tài)大模型的訓練。它可以將長文本描述中的短語與圖像中的具體對象或場景精確匹配，以增強AI對視覺內容和文本之間關系的理解。目前，成都慧視利用AI圖像處理板和YOLO算法來實現(xiàn)對物體的實時監(jiān)測，其中，開發(fā)的Viztra-HE030圖像處理板采用了瑞芯微全新一代高性能芯片RK3588，擁有四大四小八核處理器，算力水平能夠達到6.0TOPS，在我司定制多種視頻接口后，可實時對目標進行識別或者人為的的鎖定，同時可以根據(jù)輸出目標的靶量信息，對目標進行實時跟蹤。SpeedDP是以數(shù)據(jù)為中心的一站式AI訓練平臺。定制AI智能算法

圖像識別技術的高價值應用就發(fā)生在你我身邊，例如視頻監(jiān)控、自動駕駛和智能醫(yī)療等，而這些圖像識別進展的背后推動力是深度學習。深度學習的成功主要得益于三個方面：大規(guī)模數(shù)據(jù)集的產(chǎn)生、強有力的模型的發(fā)展以及可用的大量計算資源。對于各種各樣的圖像識別任務，精心設計的深度神經(jīng)網(wǎng)絡已經(jīng)遠遠超越了以前那些基于人工設計的圖像特征的方法。盡管到目前為止深度學習在圖像識別方面已經(jīng)取得了巨大成功，但在它進一步廣泛應用之前，仍然有很多挑戰(zhàn)需要我們去面對。貴州安防AI智能目標跟蹤SpeedDP進行圖像標注時的特點是快。

海量圖像標注工作的繁瑣困擾著諸多企業(yè)，增加標注師崗位可以提升效率，但是無法控制人工成本，使得企業(yè)左右為難。隨著AI的不斷發(fā)展，這種枯燥無味的工作用AI來替代再好不過，AI的定制建設成本只需要一次性付出，然后就能夠長期使用，不會出現(xiàn)像人工這種忙時不夠，閑時多余的情況。成都慧視利用人工智能算法打造的SpeedDP深度學習算法開發(fā)平臺，是一個針對于AI零基礎從業(yè)者的圖像標注軟件，其簡潔度、實用性都堪稱一絕。它提供從數(shù)據(jù)標注、模型訓練、測試驗證到RockChip嵌入式硬件平臺模型部署的可視化AI開發(fā)功能。SpeedDP提供豐富的算法參數(shù)設置接口，滿足不同用戶業(yè)務場景的定制化需求。

激光除草是通過激光照射雜草，使草葉內部細胞脫水破裂死亡的物理靶向除草方法。哈工大機器人實驗室與華工科技合作研發(fā)的全天候智能激光除草機器人集成深度學習的人工智能技術，AI智能識別雜草，十分高效；同時針對性開發(fā)先進的多目標靶點定位及動態(tài)時延誤差補償算法，不僅能夠準確高效識別雜草和高精度定位目標分生組織，同時不損傷作物、不污染土壤、不耗費人力，而且適應性強，生產(chǎn)效率高，促進農業(yè)經(jīng)濟高質量發(fā)展。激光除草模式中AI智能識別是很關鍵的一環(huán)，需要機器人正確識別雜草，而這基于AI的深度學習、目標識別檢測等功能，通過不斷的訓練學習，AI能夠精細識別什么是雜草什么是作物。目前，市面上比較好用的AI深度學習平臺眾多，例如成都慧視推出的SpeedDP深度學習算法開發(fā)平臺，就能夠通過大量的數(shù)據(jù)部署，再經(jīng)過長時間的訓練，就能夠實現(xiàn)跟人眼一樣的目標識別能力。數(shù)據(jù)的資源越好，模型的準確度就越高。

除了高質量數(shù)據(jù)集產(chǎn)品外，鳳凰數(shù)據(jù)還將推出以數(shù)據(jù)為中心的一站式AI訓練平臺，計劃于近期開放內測。平臺將與高質量數(shù)據(jù)集市實現(xiàn)互聯(lián)互通，確保數(shù)據(jù)在平臺內的安全使用。平臺也將提供一系列以數(shù)據(jù)為中心的服務，包括豐富的數(shù)據(jù)處理工具、可視化模型訓練和微調套件、大量的數(shù)據(jù)和模型評估框架和多云異構的算力資源。在內地，也有很多企業(yè)開發(fā)了類似平臺，慧視光電推出的AI自動圖像標注平臺SpeedDP就是一個以數(shù)據(jù)為中心的一站式AI訓練平臺，通過平臺能夠讓AI不斷進行學習，進而更加精確的識別圖像。AI自動圖像標注平臺SpeedDP。AI智能監(jiān)控

標注需要大量人工勞動一直是采用計算機視覺的主要障礙之一。定制AI智能算法

YOLO系列算法是目標識別領域很重要的技術之一，因為性能強大、消耗算力較少，一直以來都是實時目標檢測領域的主要范式。該框架被***用于各種實際應用，包括自動駕駛、監(jiān)控和物流等行業(yè)的目標識別。自今年2月YOLOv9發(fā)布以后，近期，清華又推出了YOLOv10，作為計算機視覺領域的突破性框架，具備實時的端到端目標檢測能力，通過提供結合效率和準確性的強大解決方案，延續(xù)了YOLO系列的傳統(tǒng)。據(jù)悉，YOLOv10在各種模型規(guī)模上都實現(xiàn)了SOTA性能和效率。例如，YOLOv10-S在COCO上的類似AP下比RT-DETR-R18快1.8倍，同時參數(shù)數(shù)量和FLOP大幅減少。與YOLOv9-C相比，在性能相同的情況下，YOLOv10-B的延遲減少了46%，參數(shù)減少了25%。定制AI智能算法