主题：EasyData助力智能云秤一站式数据管理

时间：2020年5月21（线上）

讲师：百度AI开发平台部高级研发工程师 林克

 

主持人：本次课程的内容是由百度AI开发平台部高级研发工程师林克，带来EasyData助力智能云秤一站式数据管理的课程，同时会为我们演示智能云秤水果采集、训练及识别的操作，我们欢迎林克老师。

大家晚上好，我是来自百度AI开发部的林克，今天带来的课程是EasyData助力智能云秤一站式数据处理，主要面对深度学习感兴趣，以及关注行业场景阐述一站式解决方案的人群。

今天主题分为两部分，首先我介绍一下EasyData智能数据服务平台，之后会结合智能云秤的案例演示一下接入数据的训练到部署的流程。EasyData智能数据服务平台是一个提供数据采集、标注、清洗、加工等一站式数据智能服务，助力开发者高效获取AI开发所需高质量数据的平台，4月份刚刚上线。

下面看一下它大概的结构，首先说一下为什么要推出EasyData这款产品。主要有三点，大家可能都知道，AI=数据+算法+算力，百度EasyData一站式开发平台在算法和算力和部署上做了很多工作，有EasyData经典版和专业版，虽然支持了部分数据的功能，像现在一些数据已经上传，但是不是很系统，所以我们针对数据进行了梳理，推出了EasyData智能数据服务平台。其次在实际AI开发过程中，用户反映了各种各样的问题，如数据采集硬件如何使用的问题，数据如何同步，数据如何导出。根据我们统计大概96%的用户在数据生产环节都会遇到这样那样的问题，所以需要EasyData来帮助用户尽量低成本一站式完成数据的生产。

这是EasyData的整体业务架构图，在数据采集、数据扩充、数据清洗、数据标注、数据管理分析等数据生产过程中做了比较专业规范的工作，而且会在这些方向上持续提供能够给用户解决实际问题的功能。比如数据采集的设备，比如你电脑上插上USB摄像头，就可以使用EasyData提供的采集管理软件，快速将摄像头采集的数据接入到EasyData，整个过程中不需要任何的处理代码，而数据标注侧EasyData提供了智能标注以及即将推出的多人标注，提升用户标注的效率，降低标注成本。传统的数据生产方式，如果涉及到数据采集的话，在硬件选型和硬件调试上会花很长时间，有些甚至到了模型迭代环节发现精度不够，再重新进行硬件的替换。数据获取和数据清洗环节需要写代码从硬件设备上进行数据获取，如视频流抽帧，不同的硬件码流可能会不同，RTSP协议地址可能不一样，不同的操作系统可能会有兼容性问题需要解决等等。清洗环节也需要手动完成数据清洗，如一些简单的数据清洗还好一点，如果图片模糊相似这种，需要更大的力气花一番时间调研和开发，而在EasyData上我们首先向用户灌输在数据生产环节需要近来专业规范操作，专业化的数据生产，加上科学的深度学习算法以及可接受的算力成本，才可以训练出实际解决场景的模型。在实际生产数据环节，EasyData帮用户做了线下很多琐碎的工作，如硬件选型和调试，EasyData推出软硬一体方案，在EasyData下载软件，安装即可使用，数据清洗环节，后续会推出更多的功能。目前也已经支持智能标注，并且提供了单人在线标注和多人标注，后续会上线多人智能标注，EasyData让AI更简单，更专业。

刚才说到了EasyData的智能化的特点，体现在采集、清洗、标注、扩充和闭环等环节，如在数据采集环节EasyData提供了软硬一体方案，目前设计是提供单路直连和直路间接连接，可以在EasyData下载对应的软件进行使用，针对多路摄像头进行控制，通过视频流抽帧方式，将数据同步到EasyData，单路也会在近期推出。当硬件准备好以后，可以持续采集数小时将数据采集到云端，然后进行存储的管理。

数据清洗和扩充环节，这边有两个实例说明一下数据清和效率的提升。第一，上面的图片是我们做的智能生猪盘点的示例，初级功能是对猪的识别和数量的检测，猪厂数据接入EasyData以后，由于场景的特殊性，睡觉的猪很久不移动，所以以一个固定频率采集数据，相似度非常高，这个数据用来训练不是那么有效率。这里就可以用到EasyData的去相似的功能，将相似的图片去掉，留下确实有价值的数据，同时用户的需求是以猪栏为维度统计猪的数量，可以看到原始图片上，猪栏两侧还有其他猪栏的猪，EasyData提供了对图片裁剪的功能，自动将图片进行处理，清洗和裁剪可以将人力减少80%。下面是一个数据扩充的示例，商品SKU数据采集成本比较高，当SKU数据不足情况下，可以将少量的SKU数据通过排列组合方式进行扩充，然后参加训练，经过测试对比，大概只需要提供10%的数据，就可以完成和全量数据参与训练的效果数据，需求下降了90%。

智能化还体现了标注环节，EasyData提供了智能标注的功能，针对图像数据只需要标注大约30%，就可以使模型效果和全量数据效果模型一致。大概原理就是先标注少量数据，然后智能标注再进行模型的预训练，训练完以后会有一些不确定的示例再次确定，需要用户参与确认，经过几轮迭代，模型的准确率就会变高，智能标注就会完成标注，整体可以减少70%的标注量。

最后讲一下大家都比较关心的数据安全，数据安全这个点在EasyData设计之初就已经考虑到了，全流程环节中保证了数据的安全，如采集端的数据鉴权，加密输出，后续EasyData会考虑引入联邦学习的方式，做到数据不出安全区而用于深度学习的模型训练。

第一部分对于EasyData的介绍我已经简单快速地介绍了，下面开始我们结合EasyData对一个果蔬识别模型训练和部署实战的演示。这个例子是中科立业智能云秤结合AI的EasyData快速落地，使用EasyData进行数据生产，模型训练，然后将模型功能用到智能云秤上，目前识别出50种水果，识别率达到95%以上，随着对模型继续迭代，准确率还可以继续提升。

 

首先我们需要一个创意，受到新冠肺炎的影响，为了减少人员接触，能否在购买水果蔬菜时候避免人员接触，考虑到人们购买水果蔬菜种类不一样，不能像超市一样扫码结算，针对图像和称重识别出哪种水果，然后计算出水果的单价，最后生成支付的二维码。这几幅图是场景上经常用的图，有一些问题，首先样本不均匀，因为我们买的水果是几类比较多，有一些偏门的水果数据量不多，可能造成数据训练时候有一些标签不是非常准，数据量多的水果训练效果好一些，这里可以用到数据增强的功能。第二个问题，可以看到图片上有一些水果是被塑料袋包裹的，因为结算时候可能把塑料袋直接去秤，我们需要对包裹水果的识别率。还有一个问题，有些水果它是一个拉类，比如橙子、橘子、葡萄，可能彼此之间非常相似，这也需要一些数据增强，以及对数据的调整，达到训练的效果。还有一些光线的问题，这里对规范化数据的建议，像这种场景，我们总结出来数据输入方，就是单图单标签，单类单个结算，另外两种场景就是提供的数据训练一个是带包装盒的，另外一个是带塑料袋的，这就是数据生产的规范化。

这个图展示了从硬件到准备部署的全流程。首先准备一个秤和摄像头，访问EasyData入口，一直到最后的模型部署的训练。接下来会走到实操的环节，我会在页面上给大家演示一下整个EasyData的数据接入到训练部署的流程。

首先可以看到现场有一个摄像头，大家可以看到，现场有一个摄像头，前面放了一个水果，这就是云秤的原型，前面放了一袋樱桃，我切到云秤下面摄像头的视角，大概是这样的视角。一会连接到这个摄像头，下载SDK采集数据。首先打开页面，输入网址，在上面找到开发平台，最右侧的EasyData智能数据服务平台，点击进入，也可以直接输入链接来到它的地址，点击立即使用。

现在可以看到，这是EasyData的管理平台，左侧是功能，几大块数据总览，下面是标注，有在线标注，智能标注，还有标注的支持，如果你是标注的新手，可以提交给我们寻求一些支持。这块是摄像头采集图片，也就是一会要做的，在这里下载SDK把我们的摄像头部署好，还有一个云服务获取数据，这个最后再讲。最下方是清洗任务的管理。

首先我们点击摄像头管理，这边有一个下载本地软件，点击下载，我事先准备好了一个下载好的版本，在这里，先解压。之后进入文件夹，有三个压缩包，针对不同平台的SDK，有Windows，LINUX和ARM三种，这三种系统都可以支持。今天使用的电脑是Windows系统，所以解压Windows的。双击运行，可以看到已经运行成功了。现在我们到页面上，看到这样的页面，需要数科一个AK、SK，这个可以在EasyData获取，我们转到EasyData的页面，到右上方账号下面有一个AK、SK，点击查看，然后复制，然后进行登录。登录后看到这样一个页面，可以添加本地的USB设备，这里选择视频抽帧接入，设备名称我们叫追过，选择连接上面的摄像头，这个是USB的，我们选择它。点击下一步，获取图像，这个图像已经预览在了校验这一步，可以看到已经成功的可以获取到这个图像了，然后我们再点击下一步。

这个界面是一个设置，上面的部分是支持修改抽帧频率，有秒、分钟和小时，如果设置1就是1秒钟抽帧一次，我们先设置5秒，下方是运行时间，比如之前说的生猪监测，可以根据猪的活动时间设置。在设置之后可以提交，提交之后发现下方多了一个设备管理，有本地运行状态和网络状态，这里有一个按钮，是否控制抽帧上传数据的按钮，这里点击可以查看抽帧，我们再点击查看云端数据。在这里会发现原始数据查看，摄像头管理，选它，这里是时间筛选，默认到今天为止，可以看到每5秒频率截到这么多张图。然后点击保存数据集，我们也可以从数据总览中创建一个数据集，这个场景是一个图像分类的单独的标签，所以都是默认的，基本上不需要修改什么，点击完成。

这边多了一个刚创建的数据集，可以看到它数据量现在是0，标注状态也是0，我们现在可以选择导入数据。我们有这几种方式可以选择，本地数据集，你可以本地直接上传图片或者解压缩包，这是一种本地的上传模式。第二是线上也有数据集，你可能在EasyData上创建了多个数据集，因为备份或其他原因，可以在几个数据集之间互相导入。第三是导入摄像头采集的数据，就是刚才通过摄像头抽帧的图片，可以从这里导入。第四是从云服务调取数据，这个涉及到数据闭环的部分，这个最后会讲，这里选择从导入摄像头采集数据，这边会跳到摄像头管理这边，然后点击保存到数据集，版本是V1，这里可以选择成功选择保存，删除原始数据，我们不需要删除，直接确认

回到数据总览，看到导入了大概32张图，然后我们可以查看一下。这是刚才摄像头拍的图片，因为没有动过，大概都是一样的，这个时候就表示导入完成，回到数据总览，接下来进行清洗，可以点击清洗任务管理，清洗任务，选择V1，清洗可以选择一个数据集，清洗后会存到你选择的新的数据集，可能会覆盖这里的数据，版本默认选V1，会替换原有的V1的数据，所以我们选择V2，清洗以后会生成一份新的数据到V2里。下面看几个清洗的选项，同时支持三种清洗方式，首先最上面进项比较简单，就是你有几个选项，水平、垂直、翻转，上面可以选择角度，还有裁剪，裁剪我们不需要很大的范围，所以可以选择裁剪的范围。如果需要这么大的话，只需要裁剪这么多，点击保存。

下面是一个去模糊，下面可以看到，有5张图片，下面有对应的清晰度，5一直到500，500度以上就比较高了，我们选择的阈值是0到10000，平时我们可以设置小一点，400度就差不多了，如果你对清晰度有要求，可以设置到很高的值，如果清洗后发现阈值设置高了，可以回到上面，如果用了新版本，老数据是会保留的，重新设定一个阈值，这里我们设置300度就可以了，然后保存。最上面去近似的功能，也是给了5张图片，从左到右，相似度越来越低，最左边两张图相似度是0.75，前3张图到0.5都是非常相似的，所以说这里的阈值是说，相似度大于这个值的时候只保留1张，这里设置0.75就可以了，然后提交清洗。这里有一个任务正在清洗中，清洗方式是这三个。可以查看任务详情，查看开始时间。

下面用一个备用的数据集，可以看一下标注的功能，这边有一个备用的数据集，点击标注，现在没有标注的图还有1张及大概是橘子，这是已经标注的数据，我添加搜索标签，因为这是一个橘子，标签搜橘子，有这个标签就点击OK，标注结果是橘子，点下一步，自动保存，现在所有都已经标注完成，我们可以回到数据总览。到这一步是EasyData的完成了，下面是EasyDL，这里选择一个专业版。

这里选一个创建项目，水果，这里一个单独的按标签分类，网页调参，这边是要多一些功能描述，然后点创建项目。我们可以看到多了一个训练的项目，这里新建任务，第一个部分是选择数据集，刚才是这个部分的数据集，下面可以看到有很多标签，可以点击根目录右边的加好，把目录全部添加到上面，然后确定。下面可以看到，这里是一个评测，如果有多余的数据集进行评测，可以点击这里，今天并没有准备好评测的部分，这两个部分是预训练模型，左边的模型是大规模数据集的预训练模型，效果会好一点，但是支持的网络少一些。右边支持的网络多一些，但是数据集训练效果差一点。如何选择网络的话，在右侧的按钮有。一般来说ResNet就可以覆盖大部分的场景。这里三个GPU的选择，默认是P4，有100小时的免费时间，性能和价格都不同，然后提交训练任务，这边已经开始了。

可以看到，这边会标注训练进度，你可以勾选完成后提醒你的手机短信，训练完成就会直接给你手机发送短信提示，训练完成了。由于时间关系，我们不再对这个训练等待了，我们还是打开之前训练好的模型。可以查看一下这个效果，也是这个水果模型，用了5000张图片，可以看一下效果，这不是非常大的规模，但是训练效果已经相当好了，因为数据是规范的原因，EasyData接入的数据就是标准，以及质量经过清洗后的，质量很高，没有用很大的数据量，当然后面还可以提升，现在准确率是99.6%。

然后回到训练任务，可以检验一下效果，本地今天放了两个图，有一个葡萄的图，检验一下。现在可以看到，检测出这个葡萄，并且检测出了具体的子分类，预测出是99.95%，非常好。另一个换橙子，检测出了橙子，是赣南脐橙，99.96%。

 

 

接下来再演示一下模型训练完成之后部署，再用另外一个数据集，因为刚才这个模型已经部署过了，我们用另外一个训练出来的模型部署一下。点击部署，可以选择部署方式，我们选择公有云API，可以取一个服务名称，需要补充接口地址，这个应该是位置的。这个时候点击开始部署，确定。提交申请了，可以看到这个模型正在发布中，可以看一下之前部署的几个模型，发布完以后就会生成这样的API，之后再到控制台创建一个APP，赋权后就可以使用这个API了。

然后这边先到控制台上去，这里可以看到EasyData的控制台，下面就是已经训练部署好模型的API，有这几个，刚才那个还没有训练好。可以点击这里，这里是创建应用，可以看到现在已经有了几个应用。创建应用的时候，你会发现刚刚训练好的模型已经被勾选上了，这里我们输入应用名称就可以。创建完毕，返还应用列表，多了一个应用，下面有API Key和Secret Key，用于访问接口的token，我们用这个token访问我们的接口，下面我给大家演示一下事先已经准备好的接口。

可以看到，有一个DEMO图像，就是甘蓝脐橙的图像，还有一个DEMO的python文件，这个比较简单，大概意思就是获取token，读到这个文件，访问到我们的接口，然后获取到它的标签，置信度靠前的标签数据。可以看到这有一个返回，result给出了置信度前五个标签，甘蓝脐橙，置信度是99.96%。

回到我们的EasyData页面，到云服务授权这里，这里可以添加云服务授权，就是刚刚发布的一些新的接口，可以添加这些接口的授权，添加完以后就可以在云端获取调用这个接口所有的图片。现在可以看到调用这四个接口图片，这有一些延时，然后点击原始数据查看，之前的接口我调用过，我们可以看一下。勾选水果识别，专业版，时间可以拉长一点，从9号开始，可以看到已经加载出来了，标签选一个之前获取过的，甘蓝脐橙的标签，因为网络原因有点慢，这个图是我们以前测试过的，调用过这个API我们会进行展示。有这个功能，这边可以筛选，并且重新保存到数据集，利用数据闭环的功能，可以发布完模型API以后，如果有调用，可以不断完善数据的精度，就是数据可以不断的接进来。

下面回到PPT，先放一个视频，这个是我们模型部署好以后的效果。

今天演示环节大概就到这里，下面QA环节

 

Q：都支持什么摄像头？

A：摄像头没有什么，门槛比较低，USB能够连接的都支持。

 

Q：去模糊的功能上，清晰度是怎么得出来的？

A：清晰度关于图片去模糊的阈值，openCV库基于拉普拉斯算子有一个方法，可以通过它做卷积运算计算出图片边缘的方差，计算出标准差，我们知道图片有比较高的方差，就有比较广的评奖范围，方差比较广表示是比较正常的图片，如果方差小的话，边缘数很小，我们依据这个判断这个图片就比较模糊，如果是正常摄像头拍摄的，不对聚焦进行处理，正常的摄像头拍摄的图一般是满足这个规律，如果你用相机拍摄比较模糊的图片，比如前面清楚，背景模糊的图是不适用这个原理，但是正常来说，实用场景的摄像头基本上拍出的图片可以用这个方法去模糊。

 

Q：边缘设备需要怎么部署？

A：边缘设备指的是什么，一般来说有摄像头可以接入到开发版或机器采集图片，我们的SDK可以支持主流的系统。

 

Q：EasyData一般用在什么场景比较多？

A：对于我们不需要做很多数据处理的开发的场景，需要标准化数据采集，尽量减少开发，尽快提高模型效果的场景，比如刚才说的生猪的模型场景，一些植物的场景，一些水果的场景。其实用途很广，超市货架可以用，因为我们支持图像分类很多，有图像分类和物体检测等等很多训练的方式，一般来说现在摄像头采集数据比较方便，这样就可以采集数据的场景，接入摄像头数据的场景都是比较合适的。

 

Q：生猪识别是识别什么，是种类、数量还是状态？

A：可以做的很多，最基本的需求是识别数量，最后你可以慢慢往后拓展，如果是视频流的话，可以针对它的轨迹进行识别，因为你可以把视频流拆成很多帧，对轨迹和标号进行识别，根据这些数据可以训练不同的模型，比如是不是在吃东西或者睡觉，是不是运动量过少，生病之类的。种类的话，其实数据训练量过大的话，我理解这也是可以做到的。

 

Q：了解。另外有同学问，像刚才讲到云秤的水果识别是用图片分类还是物体检测比较好？

A：水果识别这种，根据我们现在这个场景，一般来说超市结算一次性只会摆一种水果结算，单图单标签是最好因为一个图片里不会出现多个水果，所以还是图像分类这种单图单单标签比较适合。物体检测适合更复杂一点场景，比如需要检测这个图片有多少个水果，如果是混合不同水果类型和数量，都要识别出来的话，可以用物体检测。

 

Q：现在水果识别可以做到离线吗？

A：我们支持离线部署，EasyEdge就是离线的SDK部署。

 

Q：咱们的数据现在可以下载到安卓进行离线运行吗？

A：数据集还是需要导入EasyData，训练是在EasyData和EasyDL上做，训练好的模型可以部署在设备上，可以离线部署。

 

Q：有同学问，标注好的数据能不能下载到本地？

A：可以，我们有数据导出的功能，我们支持，以及我们标注好的数据也可以直接带着标注信息导入到数据集，这样比较方便，如果有一批数据想导入到数据集，连着标注好的数据也可以，可以直接进行训练。

 

Q：有同学问EasyData是只针对图像数据吗，像视频、文字是不是也可以处理？

A：对，支持，但是不是通过摄像头采集，这个可能是通过数据上传，比如支持文件的直接上传以及数据集直接导入，以及数据闭环的数据回收，除了摄像头导入之外，这三种数据上传方式都可以，不限制是不是图片，当然可能没有摄像头采集这么方便。

 

Q：有小伙伴问，比如到后期水果种类增加的话咱们怎么做？

A：因为有数据闭环这个功能，一开始数据集只是训练了50种水果，后期使用场景发现更多的水果，因为这个模型已经部署了，在数据闭环里会采集并筛选，可以在EasyData获取到我们后来训练到的新数据，可以把这些数据导入到数据集重新进行标注，然后进行迭代训练，可以不断提高标签的广度和训练的精度，因为我们是支持不断的再训练，就是数据训练再训练回收的过程。

 

Q：这个摄像头接规定的设备才能完成吗？您讲一下摄像头的数据怎么接入EasyData里吧。

A：好的，现在摄像头就是一个视频抽帧的形式，然后加密传输到EasyData，这个场景是需要网络的，SDK是支持LINUX、Windows、ARM，ARM开发板，这是一种情况，主流的还是Windows和LINUX比较多，这两种情况你需要有这样的系统连接摄像头，有一个设备，然后需要有网络，才可以把数据上传到EasyData。

 

Q：好。看一下还有什么其他的问题。有同学问单图多标签清洗和单图单标签的是一样吗？

A：不一样，可能训练之初目的就不一样，单图单标签就是一个图里放多种水果，必须全部都能识别出来，这个场景更简单一点，模型效果也更高，单图多标签也是可以做，复杂度可能高一些。

 

Q：好。物体识别图片分类，我理解应该说是物体检测和图像分类的时延性的区别？

A：时延性的区别是指模型API反映效率吗，还是要具体看模型自身的效果。

 

Q：咱们视频流可以接在EasyData里做吗？

A：在我们最近只接受抽帧，后面有计划接受视频流的数据。

 

Q：只能接一个摄像头吗，可以不可以接多个设备？

A：可以接入多个设备。可以在摄像头管理可以看到，这下面支持多个摄像头，可以在这里多个勾选，我们是支持多摄像头的。

 

Q：所以每个摄像头上传上来的数据会单独存在那个摄像头的标签下吗？

A：对，可以根据摄像头的粒度筛选所需要的图片，不是混合存储的。

 

Q：好的。有人问，水果识别支持智能标注吗？

A：我们单图单标签不太适合智能标注，刚才的标注过程就是一张图我们之直接点选标签，就是标注完成了，这个场景暂时不支持智能标注，但是我们的物体检测是支持的，我们之前生猪的案例是支持智能标注的，这个情况下可以节省人力，你可以搜集一轮数据以后再开始，数据比较多的情况下再标注，比没有智能标注的情况下要快不少。

 

Q：如果是使用笔记本自带的摄像头需要如何添加设备呢？

A：刚才可以看到这里添加设备的时候，这里可以选择设备，笔记本的设备如果开启的话，可以选择到的，也是都可以添加的。

 

主持人：好的，可以看到很多路径。

A：对，我这上面是额外接了两个摄像头，这都可以选择。

 

Q：了解，复杂场景的目标可以检测吗？

A：具体指的是什么呢？

主持人：这个同学也没有详细讲，可以在弹幕区补充一下复杂场景具体指的是什么？比如多个水果还是说有什么具体的应用场景呢？还有什么其他的问题，我看看群里有没有提问。

 

Q：有同学问比如大雾、雾霾这种可不可以做检测，可以看出来吗？

A：图像的识别，如果给出比较标准的场景，比如背景差不多的地方可以做一下训练。

 

Q：这是刚才复杂场景说比较背景比较复杂，比如水果后面有水果海报，比如场景是一个复杂的背景，可能要检测复杂背景中的一个物体，这个可以做到吗？

A：也可以，生猪那个案例可以，猪的情况有的时候会互相遮挡，挤在一块，导致识别过程中不是很准确，其实到后面我们模型训练完以后，猪栏的情况就是有一些栏杆的遮挡，猪互相之间的遮挡，后来训练出模型效果还可以，对于稍微复杂的场景也是可以做的，如果觉得场景比较复杂的话，可以咨询我们的研发同学，我可以提供一些帮助。

 

Q：明白，还有像复杂背景下的小物体检测，我理解是不是和如何标注也是有一定的关系？

A：对，有些场景下，本身标注就比较困难，这时候可以用一些智能标注的功能。

 

Q：明白，有同学问在离线版本下，种类增加的话要怎么做呢？

A：还是需要把数据反馈回EasyData上进行重新训练。

 

Q：看到有同学问，工地上检测有没有戴安全帽时要用什么样的方案？

A：这个我理解应该是单图单标签可以尝试跑一下。

 

主持人：了解，这也是通过视频的形式，把监测的视频接入过来。

 

A：要看一下实际的场景，比如在入口补一个摄像头，每次一人一过这样的，这样的单图单标签应该可以，但是如果场景比较复杂，人很多，一起进出，这种情况下物体检测会好一点。

 

Q：有同学说在复杂背景下智能标注错误率比较高，怎么避免呢？

A：智能标注错误率比较高，说明这个模型预训练效果不是很好，因为智能标注本身原理就是对已经提交标注的图片进行预训练，这个效果不好你可以从几个角度上找原因，第一就是这个数据规范的程度，是不是比较规范的数据，适合训练的数据。第二就是训练的方式，比如有没有选对分类。第三个，如果这两个排除没有问题的话，可能是需要加大一些训练量。当然如果效果实在不好，可能需要一些专业化介入，需要找到我们的研发同学。

 

主持人：了解。我补充一下，大家如果想找研发同学解决问题，可以从页面上直接提交工单，由后台研发同学给大家解决相应的问题。

 

Q：部署到本地以后，摄像头分析物体和API相比怎么样？

A：会比API快一些，节省了请求本身的网络时间开销，具体还是依赖于设备本身的性能。

 

Q：智能云秤这个设备大概什么性能？

A：现在使用场景来看要求不是很高，刚才放的视频里可以看到，识别的速度还算可以。

 

主持人：确实还是挺快的，在日常使用时候可以满足。

A：对，可能稍微有一些延时，因为模型还是在初步阶段，日常使用已经没有问题了。

 

主持人：好，现在问题也就这些，今天QA环节就到这里结束。

 

主持人：再给大家介绍一下软硬一体方案的优惠政策，只要现在购买任何EasyDL和百度自研硬件的方案，在5月13—6月13日之间购买任意EasyDL软硬一体方案将获得专业版脚本调参等价训练时长。比如购买一套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）。扫描左侧二维码可以到百度AI市场中，了解更多的软硬一体方案的介绍。

本次课后作业：使用EasyDL专业版 图像分类/物体检测模型训练检测模型脚本调参/NoteBook方式，有一个参考训练数据下载地址。提交扫描屏幕二维码提交作业，我们有最佳布道师的奖品，参与有奖评选。

大家还可以读书笔记 、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，可以扫描屏幕下方的二维码。

后面的课程安排，5月22日晚上7点到8点，讲的内容是电力AI巡检应用分析，实践是电缆输电通道挖掘机侵入识别演示。5月23日的内容是基于AR与EasyDL的地下资源管理方案，大家可以看一下右边的视频，这个就是利用EasyDL来做的，我们看一下水务行业日常设备巡检方案展示及APP内模型部署。

今天直播课就到这里，大家可以扫描右侧二维码添加小助手的微信，就可以进入到直播群了，感谢大家的参与。也感谢林老师给大家带来的分享。