江苏龙网

  1. 首页 > 资讯 > 资讯 > >

EasyDL|效果提升18%！百度EasyDL自研数据增强服务加持AI模型开发( 三 )


EasyDL|效果提升18%！百度EasyDL自研数据增强服务加持AI模型开发
文章图片

▲ 图7 EasyDL 智能搜索服务整体架构图
在各行各业加速拥抱 AI 的今天 ， 有越来越多的企业踏上智能化转型之路 ， 借助 AI 能力完成降本增效 。 但在 AI 赋能产业的过程中 ， 大规模的商业化落地十分复杂 ， 需要企业投入大量的精力 。 由于不同行业、场景存在着差异化与碎片化 ， 对 AI 的需求也不尽相同 。 因此 ， 一个能够随场景变化定制开发 AI 模型的平台至关重要 。 通过零算法门槛的平台能力覆盖千变万化的场景需求 ， 并提供灵活适应具体业务的多种部署方式 ， 这就是 EasyDL 。
EasyDL 零门槛 AI 开发平台 ， 目前已在工业制造、智能安防、零售快消、交通运输、互联网、教育培训等行业广泛落地 。
百度搜索“EasyDL”或点击“阅读原文” ， 开发高精度 AI 模型 。
[1]:Cubuk E D, Zoph B, Mane D, et al. Autoaugment: Learning augmentation policies from data[J]. arXiv preprint arXiv:1805.09501, 2018.
[2]:Lim S, Kim I, Kim T, et al. Fast autoaugment[C]//Advances in Neural Information Processing Systems. 2019: 6665-6675.
[3]:Ho D, Liang E, Chen X, et al. Population based augmentation: Efficient learning of augmentation policy schedules[C]//International Conference on Machine Learning. 2019: 2731-2741.
[4]:Cubuk E D, Zoph B, Shlens J, et al. Randaugment: Practical automated data augmentation with a reduced search space[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2020: 702-703.
[5]:Zhang X, Wang Q, Zhang J, et al. Adversarial autoaugment[J]. arXiv preprint arXiv:1912.11188, 2019.
[6]:Li Y, Hu G, Wang Y, et al. DADA: Differentiable Automatic Data Augmentation[J]. arXiv preprint arXiv:2003.03780, 2020.
[7]:Jaderberg M, Dalibard V, Osindero S, et al. Population based training of neural networks[J]. arXiv preprint arXiv:1711.09846, 2017.
[8]:https://paddleclas.readthedocs.io/zh_CN/latest/advanced_tutorials/image_augmentation/ImageAugment.html#id6
[9]:https://github.com/PaddlePaddle/PaddleDetection/tree/master/configs/autoaugment
【EasyDL|效果提升18%！百度EasyDL自研数据增强服务加持AI模型开发】[10]:Zoph B, Cubuk E D, Ghiasi G, et al. Learning data augmentation strategies for object detection[J]. arXiv preprint arXiv:1906.11172, 2019.


推荐阅读


上一篇：7月份我国货物进出口总额29270亿元 同比增长6.5%

下一篇：Apollo|百度二季报净利润大增40% Apollo等AI新业务两位数增长