Sophon AutoCV Q&A大放送：如何加速視覺模型生產和落地（上篇）

在計算機視覺領域，如何迭代現有的視覺模型以保證識別效果，如何更好地應對碎片化的海量長尾模型，一直是需要攻克的難題。星小環將透過兩期Q&A大放送，解答Sophon AutoCV常見的使用問題，並以計算機視覺建模的全流程展示平臺如何加速模型的快速構建和落地。

一個需求

客戶Q1：我們想對生產的零部件做缺陷檢測和入庫計數，但是零件類別很多，現在已知的就有上千類，未來還會有新增。這些新增的類別都需要定製化開發模型嗎？難道沒有更好的工具可以解決？

星小環：新增的類別都需要重新標註資料，進行模型的定製化開發。Sophon AutoCV平臺提供引導式的建模方式，運營的同學都可以在平臺上進行視覺化的訓練，整個過程不需要演算法人員再次參與，可以降低訓練迭代模型的成本。

客戶Q2：無論如何都需要重新開發模型，只不過透過你的工具來縮短時間？

星小環：是的，Sophon AutoCV可以支援您自己來訓練模型。如果想直接用模型，我們可以幫您訓練好，其實也是基於這個平臺。無論哪種方式都可以較快生成新類別的模型，但需要提供樣例資料來標註。

客戶Q3：模型訓練完後，如何部署呢？

星小環：硬體方面，我們提供軟硬一體的方案，如果您自己有硬體，我們可以直接提供軟體平臺部署。接著需要您的質檢裝置接入我們的平臺，後續模型可以一鍵部署上線。對於模型有一些業務邏輯的部分，我們提供視覺化拖拽資料運算元的形式，來搭建您的業務流程。

一個平臺

客戶Q4：我們發現很多模型訓練完之後還是得要有業務化適配的過程，是否可以在你們平臺上面演示一下此過程？

星小環：現在您看到的就是Sophon AutoCV平臺的首頁，主要包括模型生產、模型應用、模型管理，以及OCR圖文識別。本次演示主要涉及前三個模組，OCR識別暫不涉及。

模型的應用部分是從模型倉庫出發，選擇一個版本的模型進行部署。最核心的部分就是模型和業務化適配的過程，我們把這個過程叫做構建場景，即把訓練完的模型和業務邏輯串聯，形成一個解決具體問題的場景模板，這個模板就可以橫向遷移到其他類似的場景當中。

客戶Q5：是否可以演示一下Sophon AutoCV從一個模型的生產到落地上線，以及後續模型迭代最佳化的整體過程？

星小環：考慮到客戶的資料隱私，此次演示流程使用公開資料。首先是模型的生產部分，包含建立標註集、選擇樣本集資料、標註型別，當前支援分割、檢測、分類和OCR文字標註。

標註集建立成功後，可進入標註空間直接手動標註，也可以選擇智慧標註或者多人協同標註。

客戶Q6：模型預標註指的是用模型來標註代替人工麼？

星小環：是的，可以選擇用已經上線的模型先識別一遍，但還是需要人工核查。流程上縮短了從0-1標註的時間。

客戶Q7：不知道模型預標註質量怎麼樣，會不會存在大量錯誤？

星小環：標註質量其實更多取決於模型的準確度，剛開始人工介入會相對較多，隨著模型迭代，後續的人力投入會大幅降低。

客戶Q8：你們是如何保證標註的質量的呢？

星小環：無論是人工標註還是模型智慧標註的資料，我們都設定了管理員稽核驗收的過程，只有驗收過的資料才可以入庫，來保證標註的質量。

資料標註完成後，進入引導式建模模組，您只需要選擇剛剛的資料集配置一些訓練引數，靜待訓練完成即可。過程可以檢視訓練日誌，同時我們也會將訓練過程資訊透過視覺化board展示出來，方便您更直觀的檢視訓練過程。

客戶Q9：一些基礎的演算法是否是平臺內預置的？

星小環：是的，我們針對分類、檢測和分割任務都預置了SO他的演算法框架，如果您有自己的網路結構，也可以根據規範來預置到平臺，透過上述視覺化的方式進行模型的訓練。

客戶Q10：我們希望透過使用內建的演算法快速助力業務提升，只是單單使用內建的演算法，其準確度有保障嗎？

星小環：模型的準確度很大程度上都取決於資料量，這個是最首要的影響因素。Sophon AutoCV作為一個工具平臺，可以幫助您更好地串聯起整個模型生產和應用的過程，縮短落地的週期，並且透過平臺化的操作，來進行模型的閉環迭代。

客戶Q11：Sophon AutoCV是如何進行AI模型評估，並且保證上線模型的準確度？

星小環：Sophon AutoCV關於模型的評估過程設計了兩個階段：

第一個階段是在模型的訓練過程，我們切分了部分資料集作為驗證集來得到該模型的一些“準確率指標”，比如召回率、mAP。如果您覺得當前指標過低，或想選擇新的演算法來進行對比，可以重新建立訓練作業，直到訓練出一個滿意的模型，我們把這個過程叫做模型的驗證，是為了得到一個還不錯的模型上架到模型倉庫。

第二個階段我們叫做模型評測，是在模型上架模型倉庫之後，用平臺提供的標準測試集進行模型的評測，得到模型的“效能指標”，當然其中也包括準確率的資訊。

以上這兩個階段都是為了保證上線模型的效能和準確度。

客戶Q12：是否可以匯入外部的模型，上架到模型倉庫呢？

星小環：模型倉庫是面向星環AI方向所有產品線的公共元件，主要支援映象模型、檔案模型以及基於星環自研的推理框架的模型，所以不僅是內部生產的模型可以自動上架，如果您有相應的模型符合我們的介面規範，也可以快速上架統一納管。模型倉庫定位不僅是中轉站，使用者可以在上面進行模型的版本管理和模型的評測，選擇合適的模型進行邊緣端部署使用。