OPT(奧普特)DeepVision3，集成了視覺基礎大模型，提升模型魯棒性的同時，極大縮短了訓練驗證到部署的周期，標注交互、各類功能任務操作更便捷，解決了深度學習在工業生產落地的痛點。

機器視覺" style="margin: 0px auto; width: 600px;" alt="機器視覺" width="600" height="" border="0" vspace="0">

高效

AI模型訓練更快、更輕量化

　　如何降低數據依賴、人工成本、應用門檻，縮短總周期，一直是阻礙深度學習廣泛落地的首要難題。

　　為攻克這些挑戰， DeepVision3通過持續優化底層邏輯算法，通過在增量學習、小樣本學習、模型輕量化等方面實現關鍵技術創新，大幅降低數據采集、模型訓練及遷移等各個環節的時間成本。

　　面對少缺陷樣本的視覺方案，DeepVision3通過利用數據增廣、算法增強等小樣本策略，減少90%的數據量，從過去的幾百張，突破至十幾張，甚至幾張即可完成AI模型訓練�；谏疃葓D像生成網絡生成大量高質量訓練圖像，且生成速度提升3倍以上。

圖像生成模型

　　在模型性能幾乎不變的前提下，對于4K規模的數據30min即可完成模型訓練;而為更契合工業場景應用需求，DeepVision3 僅需幾分鐘便可實現新增需求的增量訓練。

　　除此，DeepVision3通過模型輕量化的策略，不僅降低算力要求和減少推理時間，更重要的是讓模型檢測精度更高。

深度學習模型訓練示意

　　使用CPU的情況下，約60ms即可完成2000萬像素的關鍵目標物檢測。相較于常規算法，檢測和分類任務的推理速度提升20倍以上。

　　柔性

　　集成視覺基礎大模型，契合工廠模式

　　在使軟件更高效的同時，OPT還利用遷移學習、領域自適應等技術，確保訓練后的模型更具柔性，集泛化性、通用性、靈活性于一體。

　　面對相近工藝相同的質檢，DeepVision3基于一鍵遷移技術，或通過自適應微調的方式，能實現一鍵換型，訓練周期可縮短至數小時，解決了因缺陷形態差異大和產品換型號頻繁等而引起的模型泛化性差的問題。

一鍵遷移技術示意

　　針對3C、鋰電池行業，OPT還開發了通用檢測模型，關鍵工序缺陷檢測能做到軟件開箱即可使用;同時即將推出知新大模型，以全新的檢測方式實現對關鍵物體定位、檢測，無需模型訓練，進一步加速AI檢測在更多行業的廣泛落地。

　　不僅于此，DeepVision3還支持圖片全局管理、多人協作、多工序分析、多機臺協作等功能，高度契合現有的工廠生成模式需求。

　　易用

　　AI功能豐富，一鍵部署

　　DeepVision3囊括了語義分割、字符識別、目標檢測、圖像分類等多種任務類型，無需編程，高度易用，極大降低了軟件的學習成本。

　　DeepVision3配備多項智能輔助標注工具。對于字符識別任務，DeepVision3內置通用OCR和集中檢查功能實現字符的半自動化標注，可對任意方向的字符或多行帶角度文本進行識別，用戶只需要核對結果。

字符識別示意

　　同時，對于最為耗時的語義分割標注任務，集成有語義分割AI工具、深度學習自動標注、傳統算法自動標注、輪廓提取等。其中語義分割AI工具，只需要點擊鼠標或拉一個框，即能根據用戶興趣點、目標框和掩碼信息，自動生成高精度、準確的像素級物體標注。

語義分割示意

　　此外，DeepVision3還支持多標簽復用、標注質量把控等功能。在模型訓練過程中，提供超參設置提示、過程可視化、評估結果溯源等工具;而且還能一鍵部署到Smart3軟件。

　　關于DeepVision3更多技術及應用詳情，敬請關注公眾號及官網。