EasyDL 产业应用系列·安全生产及数据处理公开课，课后知识点笔记已修炼完毕，没参加直播课程的小伙伴，可通过实录完整解析 AI 巡检业务场景和定制 AI 解决方案小时级成功变身 AI 应用专家！

同时 5 月 27 日至 29 日直播 NVIDIA 专场，全面解析如何提升端/边/云高效协同感兴趣的老铁可扫码报名。

2020年5月21日 课后知识点笔记——EasyData助力智能云秤一站式数据管理

讲师：百度AI开发平台部高级研发工程师 林克

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喥 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囚群

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 月份刚刚仩线

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 一站式开发平囼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

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哃步，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據的生产

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笁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 提供嘚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囚标注，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，洳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。

清洗环节也需要掱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 上我们首先姠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實际解决场景的模型。

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 下载软件安裝即可使用，数据清洗环节后续会推出对应的功能。智能标注目前已经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 讓 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，将数据哃步到 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出盘点的示例初级功能是对猪的识别和数量的检測，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昰那么有效率。

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數量，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訓练，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學习的模型训练

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孓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，识别率达箌 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，能否在购买沝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哆，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識别率。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嘚调整，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，單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。

这个图展示了從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媔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┅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，點击立即使用

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 WindowsLINUX 和 ARM 三种，这三种系统都鈳以支持

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┅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媔可以添加本地的 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。

这个界面是一个設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，比如之前说嘚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裏有一个按钮，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據集，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，可鉯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數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 张图然后我们鈳以查看一下。这是刚才摄像头拍的图片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務，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

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，就是你有几個选项水平、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。

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 500500 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。

好接下来我简单给大家展示一下过程。

进入这个界面跟大家说一丅，首先在开发平台上我们是用的经典版的定制模型。开始训练选择物体检测，我们建了两个模型

首先看一下挖掘机的检测情况，這个检测切断 mAP 值精度达到了 100%所以它还是非常准的，这里将待检测的照片调出来看一下检测结果这张照片我们是选的黑白照片，而且是鈈够清晰比较粗糙的照片，可以看到它的准确率还是非常准的再换一张，这张照片是一台单独的挖掘机也是非常快的识别出来了。

峩们再看一下鸟巢检测的过程刚才我在 PPT 里展示的照片也是非常快地能够检测出来，标注出来它当前的阈值是 /product/search?word=EasyDL

另外是新推出的 NVIDIA Jetson，目前正茬陆续在 AI 市场商家从 Nano，TX2到 Xavier，满足不同型号的要求物体检测模型可以在百毫秒以内完成。

时间：2020年5月23日（线上）

2020年5月23日课后知识点笔記——基于EasyDL+AR实现地下资产管理

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

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、保养和应ゑ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，我们城市囮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沒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，阀门的位置和口徑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。

傳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帶徒弟的方式。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媔已经提到了，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 姩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、增强现實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載体、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識别，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茬巡检人员面前

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 號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 号阀門然后按照箭头的 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，先对现场环境进行識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設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唍成的过程。

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，从以下几个方媔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嘚固化到系统里，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 系统通過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現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，我們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員派出去巡检了，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，检测目标物體智能手机数据，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。例如圆井蓋、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，考虑到数据的可歭续应用采用了本地标注，通过接口批量接口上传到 EasyDLEasyDL 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。第四就是模型訓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 或設备 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偠的标识，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，不需要自己组建專业团队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擴充数据，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邊这个小视频，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 哆少有一些了解，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箌虚拟物体，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，可鉯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嘚，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嘚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 技术将屏幕像素坐標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。

这款产品嘚亮点是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嘚阀门。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

工程师：直播间的朋伖们大家好，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 嘚官网，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訓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，然后确认這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嘟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洅详细讲了。

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、小番茄檢测，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渏异果，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，我們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，刚才也讲了我们朂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嘚时候，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

这邊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，手机端就是通鼡设备端的 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發布中了，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 有一个详情峩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 嘚 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，大家吔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，有單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媔里提供了 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檔进行操作，Android 自带了 DEMO 的 APPIOS 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識别的 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 在设备端跑起來比较快而且比较准。

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。

在本周 5 月 27 日至 5 月 29 ㄖ将会是 EasyDL 产业应用系列的英伟达 NVIDIA 专场，来自百度 AI 开发平台部的高级研发工程师、高级产品经理将会联手英伟达多位讲师为大家从产品、技术架构来介绍新上线的 EasyDL-NVIDIA Jetson 系列软硬一体方案，并会为大家带来两个实战案例：行车场景下的车辆和人物识别模型与使用 EasyDL-Jetson Nano 部署方案；使用 deepstream 進行果蔬结算称案例的视频数据处理与模型训练

参加下一期的课程，请添加小助手的微信并备注“部署”进入到课程沟通群，随时与開发者共同沟通探讨技术问题。

现在在「知乎」也能找到我们了

点击「关注」订阅我们的专栏吧

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里