如何降低数据依赖、人工本钱、应用门槛
，缩短总周期
，一直是阻碍深度学习广泛落地的首要难题。

为攻克这些挑战
， DeepVision3通过连续优化底层逻辑算法
，通过在增量学习、小样本学习、模型轻量化等方面实现要害技术立异
，大幅降低数据收罗、模型训练及迁移等各个环节的时间本钱。

面对少缺陷样本的视觉计划
，DeepVision3通过利用数据增广、算法增强等小样本战略
，减少90%的数据量
，从已往的几百张
，突破至十几张
，甚至几张即可完成AI模型训练；谏疃韧枷裆赏缟纱笞诟咧柿垦盗吠枷
，且生成速度提升3倍以上。

图像生成模型

在模型性能险些稳定的前提下
，关于4K规模的数据30min即可完成模型训练；而为更契合工业场景应用需求
，DeepVision3 仅需几分钟便可实现新增需求的增量训练。

除此
，DeepVision3通过模型轻量化的战略
，不但降低算力要求和减少推理时间
，更重要的是让模型检测精度更高。

深度学习模型训练示意

使用CPU的情况下
，约60ms即可完成2000万像素的要害目标物检测。相较于通例算法
，检测和分类任务的推理速度提升20倍以上。

在使软件更高效的同时
，OPT还利用迁移学习、领域自适应等技术
，确保训练后的模型更具柔性
，集泛化性、通用性、灵活性于一体。

面对相近工艺相同的质检
，DeepVision3基于一键迁移技术
，或通过自适应微调的方法
，能实现一键换型
，训练周期可缩短至数小时
，解决了因缺陷形态差别大和产品换型号频繁等而引起的模型泛化性差的问题。

一键迁移技术示意

针对3C、锂电池行业
，OPT还开发了通用检测模型
，要害工序缺陷检测能做到软件开箱即可使用；同时即将推出知新大模型
，以全新的检测方法实现对要害物体定位、检测
，无需模型训练
，进一步加速AI检测在更多行业的广泛落地。

不但于此
，DeepVision3还支持图片全局治理、多人协作、多工序剖析、多机台协作等功效
，高度契合现有的工厂生成模式需求。

DeepVision3囊括了语义支解、字符识别、目标检测、图像分类等多种任务类型
，无需编程
，高度易用
，极大降低了软件的学习本钱。

DeepVision3配备多项智能辅助标注工具。关于字符识别任务
，DeepVision3内置通用OCR和集中检查功效实现字符的半自动化标注
，可对任意偏向的字符或多行带角度文本进行识别
，用户只需要核对结果。

字符识别示意

同时
，关于最为耗时的语义支解标注任务
，集成有语义支解AI工具、深度学习自动标注、古板算法自动标注、轮廓提取等。其中语义支解AI工具
，只需要点击鼠标或拉一个框
，即能凭据用户兴趣点、目标框和掩码信息
，自动生成高精度、准确的像素级物体标注。

语义支解示意

别的
，DeepVision3还支持多标签复用、标注质量把控等功效。在模型训练历程中
，提供超参设置提示、历程可视化、评估结果溯源等工具；并且还能一键安排到Smart3软件。

关于DeepVision3更多技术及应用详情
，敬请关注民众号及官网。