课程实录-基于EasyDL+AR实现地下资产管理
May的山楂木 发布于2020-05 浏览:4065 回复:2
1
收藏

主题:基于EasyDL+AR实现地下资产管理

时间:2020年5月23日(线上)

讲师:上海巡智科技有限公司工程师 赵志伟

         百度AI开发平台部 资深研发工程师 张老师

 

主持人:有请赵志伟老师为我们带来今天的直播课内容,基于EasyDL+AR实现地下资产管理方案。

 

赵志伟:大家好,我是上海巡智科技有限公司工程师赵志伟,今天为大家分享一下基于EasyDL+AR的地下资产管理

    主要分两个方面进行介绍,第一是地下资产管理的现状以及痛点介绍。第二是如何使用EasyDL+AR进行地下资产管理。

    我们看第一方面,地下资产管理现状及痛点介绍。首先看一下什么是地下资产管理,地下资产管理就是对地下下基础设施和管线的管理。包括对供水、供电、燃气、热力、污水、雨水等地下设施和管线的定期巡查、维护、保养和应急抢修等。这里地下资产管理指的是人工建设的基础设施和管线,并不包括矿产资源和自然资源。

    为什么要进行地下资产管理,我们城市化进程起步较晚,地下管线的管理和规划还不是很到位,和国外相比,国外的地下都是可以跑汽车的,我们国家还达不到,这样就导致了城市建设中经常出现因外力对地下管线造成破坏的情况出现,造成通信中断、交通中断、停水、停电、停气等事故,对整个城市的运行效率和质量造成了不利的影响。因此对地下管网巡检显得尤为重要,我们今天以水务行业为例,介绍一下地下管网巡检

    水务行业地下资产管理常见问题第一是找不到阀门,主要是体现在从未见到过的阀门,大家知道上海地区历史比较悠久,有的阀门在我们数据库里是记录的,但是现在水司人员从来没有找到过这样的阀门。第二是已知阀门被堆没,以前巡检的时候这个阀门是存在的,由于城镇化进程被绿化堆没了,可能被建筑垃圾堆没了,存在这样的问题。第三是由于人员能力经验不足造成的找不到阀门。第二个问题就是故障检修难的问题,主要表现在模型的轴心损坏,传动生锈,闸板不密封等等。第三个问题就是关错阀门,主要体现在管道连接关系搞错了,阀门的位置和口径搞错,还有就是人员经验问题造成的关错阀门,阀门多,种类多,专业人员少,培养周期长,检测受周期环境影响大,成本高等问题。

    传统的阀门巡检管理还存在这对于人员专业能力要求高,而且培训的周期特别长,要是真正成为一个老师傅,这个周期要一到两年的师傅带徒弟的方式。第二就是巡检的周期长,进度慢,管理者考核难。第三就是在爆管的时候会存在水没的情况,第四就是外单位的堆没,前面已经提到了,由于建筑垃圾的堆没和城市道路的翻新堆没了。

    针对这样的问题,我们上海巡智科技有限公司多年专注在地下资产管理。2017 年与浦东威立雅水司合作开发“AR智慧阀门巡检系统”,后陆续开发了城市地下资产智慧管理系统系列产品。国内首款将人工智能、增强现实和云计算成功的运用到水务相关致力于城市地下资产的现场智能管理。

    介绍一下EasyDL智慧阀门巡检系统AR智慧阀门巡检系统是以智能手机为载体、运用最新IT技术,实现阀门巡检工作从信息化到智能化飞跃的一款最新的运用软件。本系统利用人工智能算法实现对巡检现场环境的识别,利用机器视觉定位技术在巡检现场实现阀门与数据的匹配,利用AR技术实现数据可视化,可使地下管线、阀门等资产的信息直观呈现在巡检人员面前。

    我们看到右下角这个图,展示的蓝色和绿色的管线,管线是埋在地下,我们看不到,我们通过AR虚拟展示是现在路面上,1号显示这个阀门上有一个虚拟的阀门,在应急抢先操作中,抢先人员按照编号指示关闭阀门,当前的位置是1号阀门,操作人员先关闭1号阀门,然后按照箭头的AR导航顺序,依次关闭阀门,操作是非常简单。

    现在就给大家演示一下这个巡检过程的录屏,APP打开,先对现场环境进行识别,然后通过物体检测识别出来一个水表,通过识别匹配把信息显示到屏幕之上。这里显示出以往的巡检记录,当我们瞄准框指向这个设备数据的时候,上方会显示数据的属性,通过点击下面巡检按钮,就是录视频的方式,把现场的操作实时的传到后台服务器,这是巡检完成的过程。这是一个在线水表,把水表在线数据实时展示在屏幕之上。瞄准框对准了这个阀门,点击右上角的三角会显示阀门的详细信息,可以看到管线中的水流效果,水在水管中进行流动,这是整个巡检过程中的录屏。

    这款产品与传统的巡检进行了比较,从以下几个方面。传统的巡检地下管网和阀门定位难、误差大,利用EasyDL智能巡检,地下管网和阀门定位简便而且准确。第二就是存在着师傅带徒弟,人员培训时间长,我们的产品只要学会手机的APP使用即可,门槛非常低,即使是刚入职的员工也可以经过一个礼拜左右的培训,就可以完成培训任务。第三点就是人员经验难以积累到系统,前面也提到过,巡检靠经验丰富的老师傅才能找到阀门,系统可以把老师傅的经验直接自动的固化到系统里,即使是小白也可以很方便的找到阀门。第四点就是现场工作依赖人员的经验,使用搭角线图和皮尺等工具,使用AR系统通过屏幕直接可视化的操作。第五就是传统的巡检马路作业时间较长,有安全隐患,用我们系统一定程度上减少马路上作业时间。第六就是现场操作人员数量偏多,用工成本较高,用我们的系统可以减少操作人员数量。第七就是传统的巡检工作比较枯燥,削减员工的热情,我们的系统将巡检工作游戏化,而且通过在线激励的形式激发一线员工的工作热情。第八就是户外巡检工作管控有死角,传统的巡检就是人员派出去巡检了,到底有没有进行巡检操作,作为一个管理者很难进行管控,通过我们的系统,系统自动记录巡检的轨迹和操作的过程,使得巡检过程透明可视。最后一点就是巡检对象相关数据的获取、录入、处理、审核,传统是以人工为主,造成巡检效率低且容易出现误差、偏差的情况。用我们的系统,就可以借助人工智能、增强现实大数据等提升了数据处理工作和巡检工作效率和质量。

    下面我介绍一下系统的技术方案,EasyDL+AR的方案。首先是进行了目标检测,这里运用了EasyDL,后面还要进行详细的介绍,主要是通过智能识别现场环境,检测目标物体,智能手机数据,这里检测的物体就是井盖、消防栓、树等参照物,将EasyDL检测到的物体的像素坐标转换为世界坐标,通过机器视觉进行定位。定位我们采用了二次定位的方式,第一次是通过GPS定位到大致的区域,大家都知道手机没有用GPS的时候是存在误差的,误差有10米以上的误差,有一个准确的位置以后,我们把GPS的位置捞取出来,利用现场不同实物的相关关系与数据库中的数据进行比对实现数据匹配。第三就是增强现实,通过对空间进行识别,将业务数据叠加到现场,实现数据的可视化。最后就是利用云计算,实现服务部署的简单化、数据可配置化。

    下面介绍一下如何使用EasyDL训练物体检测模型。第一点就是前期的准备,要梳理业务的需求明确需要检测的目标参照物体。例如圆井盖、方井盖、消火栓、路灯、大树等固定物体作为参照物。第二步就是整理数据集,按照业务需求,需要检测不同的目标物体,采集日常巡检工作中的设备参照物的照片进行训练,如下图所示,这是我们现场实际采集的照片。第三步就是数据的标准和上传,考虑到数据的可持续应用,采用了本地标注,通过接口批量接口上传到EasyDL,EasyDL也提供了在线标注,标注的数据存在百度大脑这边,本地就没有。第四就是模型训练,我们采用了经典版和专业版进行了物体检测训练,经典版比较容易操作,适用于小白,不懂算法的,经过一天的学习可以很方便的使用。专业版就是提供给一些可选择,包括数据增强和网络可选,ssd、YOLOV3等等,可供用户选择的余地比较大,我们都进行部署。云服务就是API或设备SDK部署,还有安全产品线授权,APP类应用推荐部署方式。可以看到右图所示是我们实际操作的截屏,消防栓就是EasyDL识别出来的物体,通过AR的方式将虚拟物体叠加到模型上,瞄准框指向阀门的时候,上面显示出阀门的关键字,这个大家可能看不懂,但是对于客户来讲,这是很重要的标识,可以看到阀门的口径是100,我们这里显示的距离就是当前站立点距离图像的距离,是2.9米。

    EasyDL使人工智能变得更加简单,总结了几点,操作简单易上手,降低了AI使用门槛,经典版不需要会算法,专业版会简单理论基础即可。实施容易,操作简单,节省时间。数据集管理支持本地标注图片上传。部署灵活,可云端部署,本地部署以及软硬一体部署。第二点就是成本低,不需要购买昂贵的GPU,不需要自己组建专业团队,EasyDL团队来维护模型算法升级。第三点就是少量数据可实现高精度模型效果,通过定制识别模型,精准度更高,支持在模型迭代过程中不断扩充数据,助力提升模型效果。仅仅标注少量照片就可以实现初步的识别,EasyDL专业版,可以自主选择多种神经网络,更深度的参数调节。右边这个小视频,就是我们现场操作的一个视频,可以看到把虚拟的物体叠加到实际物体上。

    下面简单介绍一下AR的技术,经常玩游戏的人对AR多少有一些了解,有一款游戏是口袋妖怪,也是通过AR抓妖怪的。增强现实的技术主要是把虚拟的信息叠加到现实世界当中,使人能够感知到虚拟物体,真实的环境和虚拟物体实时叠加到同一个画面,在空间当中同时存在。右图是天猫的一个游戏,以前经常有的抓猫游戏,可以看到虚拟的黑猫叠加到了现实的环境当中。其实我们这个团队以前是在游戏行业的,也是做游戏的,很多团队成员都是从那里跨界过来的,把AR也带到了水务行业。

    这是我们的AR实现效果,可以看到这是阀门的虚拟物体,叠加到现场的阀门之上,瞄准框指向的位置显示出阀门的编号包括它的口径和转数、转向,这都是上海地区的截图。主要是利用了ARcore对空间进行识别,建立空间坐标系统,利用slam技术将屏幕像素坐标转换为空间世界坐标。通过匹配把现场的阀门,是我们数据库中哪个阀门,然后利用AR技术将虚拟物体展示在实际的物体之上。

    这款产品的亮点使不可见的地下管线及阀门变为可见,能够更好解决巡检到位率和有效性,能够快速方便识别出所需要操作的阀门,找到有问题的阀门。现在正在打造一些新服务,包括室内巡检、多人现场协作巡检、无人机远程的巡检,包括通过AR眼镜的巡检。

    我今天的分享就完毕了,感谢大家。

 

工程师:直播间的朋友们大家好,我是EasyDL研发工程师,首先感谢赵志伟老师给我们带来精彩的分享。我给大家演示一下怎么在手机设备上部署EasyDL的模型。

    首先打开EasyDL的官网,然后在开发平台,EasyDL,我们选择专业版进行演示。进入这里,整个过程会有三个步骤,第一步是数据准备,然后再进行模型训练,训练完了以后再进行模型的部署。

    我们先来做第一步,创建一个数据集,我们准备的是一个水果检测的数据集,里面包含了奇异果、小番茄,我们选择物体检测的数据集,然后创建。创建完了以后,导入数据,这边准备的是已经标注好的数据,上传一个压缩包,然后确认。这个时候数据集就在导入中了,刷新一下,它会慢慢进行导入,为了节约时间,我这边已经提前导入了一个数据集,我们可以看一下里面都有什么内容。主要是奇异果和小番茄,如果大家导入的是未标注的数据集,可以在这边进行标注,这边会有对应的图片进行标注,我不再详细讲了。

    刚才导入的数据集已经导入的差不多了,还要等一会,我们先进入下一步,就是模型的训练。模型的训练,我们提供了两种方式,一个是脚本调参的模型训练,另外一个是Notebook的训练,我们这边选择脚本调参演示。选择物体检测,脚本调参,水果、奇异果、小番茄检测,然后创建项目。创建完了以后就可以开始训练,这里是包含几个部分,前面是项目的信息,下面是添加一个数据参与训练,再下一步是进行任务的配置。我们先添加数据,刚才我上传的数据集已经导入完了,这边可以看到,里面包含两类,一个是小番茄,另外一个是奇异果,我们添加进来,确定。数据已经添加好了,如果对一些数据比较少的情况下,我们可以用数据增强的策略,这里不展开讲了,我们就选默认。评测就是你可以添加一些相关的图片进去,我们会帮你做这部分数据集的效果评估。

    下面是任务的配置,刚才也讲了,我们最近上线了百度超大规模视觉预训练模型,对物体检测我们有两个,当然这两个网络因为它比较大,就不适合在手机上跑,可能有一点点性能上不是特别好,我们就选择后面这中。我们选择ssd吧,在手机上跑起来比较快。下面是训练代码的模板,这边不做修改了。实际在训练的时候,可以在不同的机器上进行训练,EasyDL也会为每个账户提供100个小时免费训练,我们就选择免费的训练,然后提交。

    这边已经开始训练了,可以在这边勾选一下,训练完了以后通过短信的方式通知我们,这边在训练了。我也是提前训练好了,为了节省大家时间。我这个数据集不是特别大,大概是8分钟就训练完了,一般情况下,现在训练的时间也都比较快,我们挑其中一个,下一步就是部署,我们点部署。这边也为大家提供了丰富的部署方式,可以部署到公有云、API,也可以做私有化服务器的部署,还有设备端SDK,还有专项硬件的SDK,手机端就是通用设备端的SDK,这里四个操作系统都有支持,我们选择手机端的,Android和IOS,大家根据自己的需要进行选择,点击部署,通用设备端。这个已经在发布中了,这个发布大概需要十来分钟左右,这里我也提前发布好了一些,发布好了以后,就在我的服务里,通用摄像头端SDK有一个详情,我这边是事先发布好了一个,包括Android和IOS的SDK,这边可以进行SDK的下载,还有一个获取序列号的功能。右边有一个二维码,就是给大家生成了一个DEMO的APP,手机可以直接扫描二维码,在手机端进行体验。

    我这边演示一下体验的过程,先把手机屏幕拉进来。我们进行下载这个二维码,大家也可以扫描,这个二维码现在大家都可以用。当然二维码有一个持续的时间的,不用担心。这边是在下载,一会进行安装,我们先等一会,我们继续演示下面的步骤。这个SDK是未授权的SDK,需要序列号进行激活,我们可以查看序列号。我们为大家提供了多种类型序列号选择,有单台设备,也有可以激活多台设备的序列号,对于手机端APP来说,按产品线激活是推荐的方式,可以在这边点击新增,选择对应的操作系统,包名,大家有Android和IOS开发经验的人就知道这个意思,按自己的实际情况填写。这样我们就得到了一个序列号,按包名激活的序列号,这个页面里提供了SDK的下载,这边也可以选择。

    下载完SDK以后,这边获取到了对应的序列号,可以查找开发文档,选择对应的操作系统,按照这个文档进行操作,Android自带了DEMO的APP,IOS也是一样的。大家可以扫这个二维码体验,我们这边已经看到手机上DEMO APP已经装好了。点开始使用,这边是一个水果识别的APP,这个APP里可以通过拍照识别,我们试一下。这里有一个小番茄没有识别出来,应该跟数据集图片比较少有关系,大家可以多提供一些图片,训练的时候也可以做数据增强的配置,提升自己模型的效果。返回,还有一个实时识别的功能,点一下,可以看到ssd在设备端跑起来比较快,而且比较准。

    自己使用的时候,也可以点击相册里的图片进行识别,我不演示了,大家也可以扫描体验一下。

    我这边就给大家分享这些内容,大家可以上手试一试。

 

主持人:感谢老师的分享,如果大家用APP的话,可以将SDK部署到APP当中,下面进入QA环节,大家如果有问题可以在弹幕区和微信群流言。

 

Q:有同学问现在EasyDL是如何做车牌识别的?

A:我回答一下,车牌识别在AI开放平台中有一个通用能力,大家可以找一下。EasyDL如果你要做车牌识别,首先你得搜集一些数据,上传到我们的系统进行训练,然后根据自己的数据集得到效果对应的模型。

 

Q:在之前巡检案例中,有同学问当时的老师数据集有多大呢?

A:每一类图片大约有2000张左右。

 

Q:我看看还有什么其他的问题。有同学问有没有视觉读表的应用?

A:视觉读表这个我不是特别理解,不知道是不是表格识别的应用,如果是表格识别的话,在AI官网上,通用里也有表格识别的对应能力。

主持人:好,这个同学可以在AI开放能力里搜一下,看看有没有对应的,如果是其他的表,比如水表、电表之类的,在评论里再说一下,我们再请老师解答。

 

Q:在APP中用的是API还是SDK呢?

A:在APP里就是SDK已经集成在APP里了,不是通过API识别的,当然也可以在APP里进行API调用识别,但是直接在APP里集成SDK的话速度就会快一些。

 

Q:了解,如果SDK的话,读取速度比API反应更快。刚才补充了,是仪表,水表、电表的识别?

A:如果是仪表的识别也是可以的,可能需要大家搜集对应的图片,因为表里可能会有不同的数字,你可能不同的数字需要做一个框选,用物体检测的模型做,当然这个准确度可能需要实践一下才知道。

 

Q:明白。另外,老师刚才展示的手机SDK水果识别,给我们展示的二维码,有同学扫描之后说,需要信任,但是信任之后还是打不开,再放一下二维码,让同学再扫一遍。

A:刚才有反馈说信任的问题,如果你是第一次下载,IOS上有一个证书的问题,所以需要在设置里点一下,它有两个设置,当然我们在下载的时候可以给大家演示一下这个页面,这里是有一个说明,请对扫描文件进行信任,你可以点击这个。这边会有百度经验的说明,告诉大家怎么设置信任的关系,这是IOS里信任的问题,大家可以参考这个看,Android可以直接下载用了,前提是你部署的时候,有部署到Android的SDK。大家还可以继续扫描这个二维码尝试。

 

主持人:大家如果对这个SDK感兴趣的话,可以扫描二维码进行尝试,苹果手机需要进行信任,安卓手机可以直接扫描使用。

    刚刚巡智这边公司数据服务,除了最开始软硬件费用,后期的大概费用大概在多少钱?

A:现在我们用EasyDL是在测试阶段,我们部署的时候好多都是以前就有这个模型,我们用EasyDL只是作为测试,还没有到付费的时候。

 

主持人:了解。我给大家介绍一下,如果大家对EasyDL公有云API感兴趣,可以在EasyDL官网下面有一个产品定价,在图像分类,如果使用经典版,是1—4元每千次,物体检测是2—4元每千次,图像分割是5—8元每千次,分类是1.5到2.5。零售版上面也有相应的产品API定价,如果大家对这些具体的定价感兴趣,可以直接在EasyDL官网查看,也可以查看定价文档,也可以点页面的合作咨询,根据部署场景进行询价,如果大家对软硬一体方案感兴趣,也可以进入到软硬一体方案的介绍,目前会有EasyDL和百度自研硬件软硬一体方案介绍,还有EasyDL和NVIDIAJetson软硬一体方案的介绍。

 

Q:有同学问能不能聊一下在巡检应用中具体定位的方法?

A:其实我们是通过两次定位的方法,第一次是GPS定位到一个大致的位置,然后根据路面上的阀门的信息,阀门的位置和参照物的位置,组成了一个图形,通过图形匹配的方式,在我们的数据库里匹配,把这个数据库和现场的数据,位置对上以后,数据库的数据就通过AR的方式显示到现场。

 

Q:有同学问您这个AR的软件卖的话,收费大概是怎么样的?

A:这个我只负责开发,到时候我们有商务这块的,我不太清楚。

 

Q:如果小伙伴想和商务同学沟通应该怎么办呢?

A:我们留个联系方式吧,我们这个软件主要是针对于企业用户的。

 

Q:可能有相关的企业需求。有同学问现在可以自己设计神经网络吗,还是都内置了神经网络呢?

A:大家可以基于EasyDL专业版里的预训练的模型训练,因为我们看到有代码编辑,也可以在代码编辑里做一些相关的改动。另外,除了脚本调参,我们还提供了一个Notebook的模式,大家也可以尝试一下。

 

Q:我们Notebook功能也是新上线的,大家可以EasyDL专业版尝试。有同学问是根据识别图片的大小确定距离吗?

A:有一个定位算法,slam通过屏幕像素坐标转化为世界坐标,根据图像的深度信息算出距离。

 

Q:刚刚巡智展示了巡检的时候,物体正常的记录,如果出现了问题,软件会怎么处理?

A:出现了问题我们会上报,比如数据库的位置不准确,我们会通过前端软件上报到后台进行后台审核,然后可以对数据进行调整。

 

Q:那咱们这边是有历史的维护数据吗?

A:对的,每次巡检都会有纪录的。

 

Q:好的。有同学问位置匹配的slam算法也是在手机上进行离线运行的吗?

A:对,是在手机上,但是应该不叫离线的方式,都是有网络通信的。

 

Q:了解,不能严格意义上离线的状态是吧。有同学问,EasyDLVMX加速卡支持使用Paddle训练模型吗?

A:EasyDL专业版和基础版都有对应的基于VMX的一体方案,就是部署方式里最后一个,专用应用适配的SDK,里面就有对应的VMX,EasyDL专业版所有模型都是基于PaddlePaddle训练的,刚才界面上也能看得到。

 

Q:这个同学还想了解,如何在PaddlePaddle上训练的模型部署到EasyDLEdgeBoard上?

A:如果是自己训练的PaddlePaddle模型,就是要自己看VMX对应的文档,如果是在EasyDL训练的话,可以直接参照系统上的流程直接部署。

主持人:我也补充一下,如果大家对VMX比较感兴趣,可以搜索一下百度大脑,会有一些回放,有一节课EasyDL产业应用定位视觉,详细介绍了VMX这个产品,以及软硬一体方案,另外也可以直接去百度AI市场出现EasyDL,出现EasyDL软硬一体方案,也有VMX加速卡。

 

Q:有同学提到模型训练成果的知识产权保护问题,张老师您了解吗?

A:这个可能要问一下其他的老师,我们后面再回复,我这边不是特别清楚。

主持人:这个可能需要法务同学或者其他同学,我们研发的老师可能不是特别了解。

 

    目前也没有其他问题,好,我们QA环节先到这里,如果大家有其他问题,可以来到微信群里进行提问,看到以后也会进行回复。

    下面给大家介绍一下EasyDL软硬一体方案优惠政策,如果大家想尝试一下EasyDL软硬一体方案,可以扫描屏幕中间这个二维码,课程学员在5月13到6月13这一个月里,购买任意EasyDL自研软硬一体方案,将获得专业版版脚本调参等价训练时长。购买一套EasyDL-VMX加速卡软硬一体方案,699元,可获得软硬一体方案一套+专业版脚本调参26小时GPU-V100训练时长/32小时GPU-P40训练时长/ 41小时GPU-P4训练时长(任选一种)。算下来就是史上最低的五折优惠力度,也是非常难得的机会,如果大家对EasyDL感兴趣可以扫描二维码,留下你的信息,参与我们本次优惠活动。

    EasyDL和NVIDIAJetson合作的软硬一体开发套间也在百度AI市场开售了,在Nano+EasyDL目前是限量直降,只有800元。

    本次课后作业要求大家使用专业版物体检测模型训练检测模型,脚本调参和Notebook都可以,训练数据可以选用老师提供的主题或采用自选数据。提交的时候要有模型信息等,参与有奖评选2-读书笔记、使用心得、使用教程、场景方案介绍等文章,在活动贴留言,参加优秀文章有奖评选。

    综合模型数据质量、效果、应用能力等评选优秀作业,三节课后整体评选,奖励:最佳应用奖,价值千元百度自研EasyDL软硬一体方案(VMX/FZ3随机发送)优秀作业第1-2名,奖品京东卡1000元优秀作业第3-4名,奖品京东卡800元优秀作业第5-6名,奖品京东卡500元优秀作业第7-10名,奖品百度网盘超级会员季卡最佳布道师3名,分享课堂笔记、使用感受或教程、方案等,奖品百度网盘超级会员年卡早鸟奖1名,按照要求第一个提交作业学员,奖品百度网盘超级会员月卡。 

    现在为大家做下期预告,5月27到29日,将是EasyDL和NVIDIA专场,5月27日晚八点,EasyDL—Jetson产品介绍及AI端计算技术架构解析,讲师是百度、NVIDIA多位讲师。5月28日晚8点,是EasyDL—Jetson NAno部署方案技术解析与应用实战(行车场景下,车辆和人物识别模型部署),讲师:百度AI开发平台高级研发工程师川峰。5月29日晚8点,是视频场景数据处理机模型训练(果蔬结算秤实战演示),讲师:NVIDIA高级解决方案架构师张海军。如果大家对NVIDIA专场活动感兴趣,可以扫描界面上的二维码,和小助手沟通。

    今天课程就到这里,感谢两位老师,也感谢大家的聆听,下次再见。

收藏
点赞
1
个赞
共2条回复 最后由q17821959241回复于2022-08
#3wangwei8638回复于2020-05

透视镜的技术,牛

0
#2付洋洋carrie回复于2020-05

0
TOP
切换版块