經(jīng)過(guò)20多年的發(fā)展，寶德持續(xù)而深刻地把握市場(chǎng)需求，積累了海量的客戶資源和豐富的服務(wù)經(jīng)驗(yàn)
在過(guò)去幾年，全球的數(shù)據(jù)量以每年58%的速度快速增長(zhǎng)，類型也不斷豐富，模型訓(xùn)練擁有海量的優(yōu)質(zhì)樣本，但更大的挑戰(zhàn)來(lái)自于算法和硬件計(jì)算架構(gòu)，為此，寶德服務(wù)器提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別軟硬件一體化解決方案。
圖像識(shí)別指用視覺傳感器（攝像頭）和計(jì)算機(jī)來(lái)模擬人眼和大腦，進(jìn)行物體識(shí)別、跟蹤和測(cè)量，進(jìn)而做圖形處理讓計(jì)算機(jī)理解真實(shí)世界。圖像識(shí)別技術(shù)有很多應(yīng)用場(chǎng)景，如：人臉識(shí)別、拍照識(shí)別、物體識(shí)別等各種圖像場(chǎng)景的識(shí)別?；谏疃葘W(xué)習(xí)的圖像識(shí)別技術(shù)發(fā)展痛點(diǎn)用來(lái)訓(xùn)練識(shí)別模型的樣本數(shù)據(jù)不足訓(xùn)練圖像識(shí)別模型，需大量的樣本數(shù)據(jù)多次迭代訓(xùn)練，數(shù)據(jù)須具有識(shí)別對(duì)象的基本特征，有不同的背景角度區(qū)分，數(shù)據(jù)樣本越豐富，模型的識(shí)別精度越高。數(shù)據(jù)量積累不足，使得模型精準(zhǔn)度往往不高。
圖像識(shí)別算法不夠先進(jìn)圖像識(shí)別從最初的特征值抓取，發(fā)展到模式識(shí)別的邊緣濾波，形態(tài)學(xué)檢測(cè)經(jīng)歷了20年?，F(xiàn)在主要停留在淺層訓(xùn)練的機(jī)器學(xué)習(xí)階段，盡管模型可實(shí)現(xiàn)機(jī)器替代人，但算法無(wú)法自行迭代學(xué)習(xí)，僅算是樣本訓(xùn)練的智能程序。
計(jì)算機(jī)集群性能不夠，計(jì)算用時(shí)太長(zhǎng)算法執(zhí)行需硬件架構(gòu)的支撐，一個(gè)模型對(duì)海量的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，在CPU上執(zhí)行一般需幾天甚至幾個(gè)月，大大拉長(zhǎng)了研發(fā)周期和拖慢產(chǎn)品進(jìn)程。因此，先進(jìn)的硬件計(jì)算架構(gòu)是激活優(yōu)秀算法的前提。
圖像識(shí)別指用視覺傳感器（攝像頭）和計(jì)算機(jī)來(lái)模擬人眼和大腦，進(jìn)行物體識(shí)別、跟蹤和測(cè)量，進(jìn)而做圖形處理讓計(jì)算機(jī)理解真實(shí)世界。圖像識(shí)別技術(shù)有很多應(yīng)用場(chǎng)景，如：人臉識(shí)別、拍照識(shí)別、物體識(shí)別等各種圖像場(chǎng)景的識(shí)別?；谏疃葘W(xué)習(xí)的圖像識(shí)別技術(shù)發(fā)展痛點(diǎn)用來(lái)訓(xùn)練識(shí)別模型的樣本數(shù)據(jù)不足訓(xùn)練圖像識(shí)別模型，需大量的樣本數(shù)據(jù)多次迭代訓(xùn)練，數(shù)據(jù)須具有識(shí)別對(duì)象的基本特征，有不同的背景角度區(qū)分，數(shù)據(jù)樣本越豐富，模型的識(shí)別精度越高。數(shù)據(jù)量積累不足，使得模型精準(zhǔn)度往往不高。
圖像識(shí)別算法不夠先進(jìn)圖像識(shí)別從最初的特征值抓取，發(fā)展到模式識(shí)別的邊緣濾波，形態(tài)學(xué)檢測(cè)經(jīng)歷了20年。現(xiàn)在主要停留在淺層訓(xùn)練的機(jī)器學(xué)習(xí)階段，盡管模型可實(shí)現(xiàn)機(jī)器替代人，但算法無(wú)法自行迭代學(xué)習(xí)，僅算是樣本訓(xùn)練的智能程序。
計(jì)算機(jī)集群性能不夠，計(jì)算用時(shí)太長(zhǎng)算法執(zhí)行需硬件架構(gòu)的支撐，一個(gè)模型對(duì)海量的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，在CPU上執(zhí)行一般需幾天甚至幾個(gè)月，大大拉長(zhǎng)了研發(fā)周期和拖慢產(chǎn)品進(jìn)程。因此，先進(jìn)的硬件計(jì)算架構(gòu)是激活優(yōu)秀算法的前提。
基于深度學(xué)習(xí)的圖像識(shí)別的軟件解決方案
軟件架構(gòu)：MPI+Caffe
深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法是深度學(xué)習(xí)領(lǐng)域普遍采用的神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，Caffe是目前最快的CNN架構(gòu)。寶德的基于Intel集群版Caffe計(jì)算框架正是切中當(dāng)下深度學(xué)習(xí)的迫切需求，它采用MPI技術(shù)對(duì)Caffe版本進(jìn)行數(shù)據(jù)并行優(yōu)化，該框架基于伯克利caffe架構(gòu)進(jìn)行開發(fā)，完全保留原始caffe架構(gòu)的特性。即：純粹的C++/CUDA架構(gòu)，支持命令行、Python和MATLAB接口等多種編程方式，具備上手快、速度快、模塊化、開放性等眾多特性，為用戶提供了最佳的應(yīng)用體驗(yàn)。另外，鑒于眾多用戶基于CPU進(jìn)行深度學(xué)習(xí)應(yīng)用研究的現(xiàn)實(shí)，還可提供C-G算法遷移增值服務(wù)，針對(duì)用戶目前的深度學(xué)習(xí)算法，做硬件適配性算法遷移和升級(jí)優(yōu)化，幫助用戶做到算法的更快，更好。硬件架構(gòu)：IB網(wǎng)絡(luò)+GPU集群+Lustre并行存儲(chǔ)
企業(yè)通過(guò)圖像識(shí)別技術(shù)，建立物體、場(chǎng)景、人臉、著裝、文檔圖片、視頻內(nèi)容等識(shí)別&搜索綜合系統(tǒng)，通過(guò)多維度解讀圖片內(nèi)容，挖掘數(shù)據(jù)價(jià)值，使產(chǎn)品運(yùn)營(yíng)團(tuán)隊(duì)更好地描繪用戶畫像，幫助企業(yè)實(shí)現(xiàn)更精準(zhǔn)的營(yíng)銷推送，內(nèi)容審核，大數(shù)據(jù)挖掘。廣泛應(yīng)用于各類電商平臺(tái)，視頻直播平臺(tái)，在線教育平臺(tái)，大幅度提升產(chǎn)品&內(nèi)容運(yùn)營(yíng)團(tuán)隊(duì)效率。在無(wú)人駕駛，家庭機(jī)器人，無(wú)人機(jī)，現(xiàn)實(shí)增強(qiáng)等前沿應(yīng)用上提供嵌入式智能后臺(tái)，以更加智能化的數(shù)據(jù)利用方式，增加用戶粘度，擴(kuò)展應(yīng)用維度，激發(fā)更具想象力的用戶體驗(yàn)。
寶德服務(wù)器
寶德自強(qiáng)
4008-870-872
點(diǎn)擊咨詢
