项目基本信息
售后服务要求
踏勘需求
采购产品需求清单
序号 | 商品分类 | 产品名称 | 参考品牌 | 参考型号 | 计量单位 | 采购数量 | 产地要求 | 现货要求 | 原装正品要求 | 技术指标 |
1 | 应用软件 | 人工智能训练工具 | 华清 | FS_AITKIT | 套 | 1 | 中国 | 是 | 是 | 总体概述:工具的作用是将复杂的深度学习流程简化,让使用者能够更快的学习深度学习,更快的使用深度学习,可以在GPU、CPU上进行学习使用,并且具有热更新、内置模型结构化工具以及数据集标注工具等特点,同时,在系统内部,将深度学习的全部流程清晰的展示出来,其中内置了数据集的查看、导入、删除等功能,还内置了数据增强模块、多种工业级成熟的模型,在训练过程中,可以调参、查看损失和准确率曲线,训练完成后,可以模型一键式部署转换等功能。★1. 软件要求(投标时提供视频或截图证明材料)该软件系统是一套完整的具有可视化和交互界面的软件,并不是实验代码的组合,提及所有功能都内置或者集成在软件中,不允许多个软件或代码实现。2. 导航界面项目管理将使用者每个不同的训练工作进行封装,封装成不同的项目,项目中有相应神经网络的配置信息,使用者可以创建项目和打开项目,并且会实时展示最近打开的项目,方便使用者启动后快速进入。3. 计算机环境测试可以根据实际的计算机环境进行不同环境的优化适配,如果计算机有NVIDIA的显卡并且CUDA和cuDNN安装成功,可以使用GPU进行加速训练和验证,如果没有的话也可以使用CPU进行训练验证等工作。4. 在线热更新软件具有热更新功能,在使用过程中,我们会迭代新功能,发布新版本,无需卸载软件重新安装,一键式更新以及最新安装,永远保证手中软件是最新、功能最全的版本。★5. 内置模型结构化工具(投标时提供视频或截图证明材料)1) 可视化训练好的模型网络结构2) 可视化每一层神经网络的结构和矩阵3) 可视化神经网络层间的特征维度变化★6. 内置数据集标注工具(投标时提供视频或截图证明材料)1)支持PASCAL VOC、YOLO、CreateML 格式数据集生成2)可导入图片文件夹标注3)标签可自定义修改4)标签与矩形框可视化5)可以验证标记的图像7. 深度学习全流程清晰化展示1)通过可视化按钮选择数据集、数据增强、生成可训练数据集、模型选择、训练模型、模型验证、模型部署转换等深度学习不同阶段的过程2)可以对上述阶段进行操作、修改和重复执行8. 内置数据集查看、导入、删除1)可以对数据集标签进行添加、删除2)可以对标签内的数据进行查看、导入、删除9. 内置数据增强模块,随机增强1)可以对数据集进行光学变换增强,包括:亮度、对比度、色度、锐度等数据集的修改2)可以对数据集进行图像变换增强,包括:上下翻转、左右翻转,0-360度旋转等数据集的修改10. 内置多种工业级成熟模型软件内置多种工业上经过打磨的成熟模型。1)服务器部署模型有:ResNet18、ResNet50、ResNet1012)嵌入式部署模型有:MobileNetV1、MobileNetV2、MobileNetV3-small、MobileNetV3-large。★11. 自定义调参与训练(投标时提供视频或截图证明材料)1)软件可对选取的模型进行调参,包括输入尺寸、参数初始化方案(即预训练模型)、学习率、batch_size的大小、正则化率、epochs大小等参数。2)软件支持模型训练和断点训练,训练过程可中断,会保存效果最好模型和最近模型,下次可以继续训练。3)可视化查看训练剩余时长。4)可视化每个Iterations实时的训练数据集和验证数据集损失函数曲线5)可视化每个Iterations实时的训练数据集和验证数据集准确率曲线6)可视化每条损失函数曲线和准确率曲线的数据★12. 模型自定义验证(投标时提供视频或截图证明材料)1)可以导入图片目录,用当前训练的模型验证目录中的图片2)可选择验证设备,GPU或者CPU3)显示验证结果,结果包括识别结果TOP 5,验证图片名称与路径,网络输出的置信度等信息。13. 模型一键式部署一键式部署当前训练好的模型,当前软件可以充当后端服务器,让多个前端并发POST请求,实现端对端的模型预测效果14. 模型转换训练好的模型可以进行转换,转换为:X64模型,ARM模型以及ONNX模型等,适配不同的处理器进行inference部署。 |
2 | 应用软件 | 人工智能虚拟仿真平台 | 华清 | FS_AISIM | 套 | 1 | 中国 | 是 | 是 | 人工智能综合教学云平台是2D与3D的结合,所有实验通过拖拽图形组合代码逻辑学算法、自动生成代码学习编程,3D视觉场景学习视觉基础应用、3D语音场景学习语音基础应用、3D项目场景学习应用产业化部署。在软件平台上能完成2D基础实验,包括机器视觉、机器学习、深度学习、经典神经网络的基础算法实验,并且软件自带人工智能环境配置,无需额外安装,降低学习难度,软件提供命令行环境接口以及丰富的实验组件,在进行实验过程中,可参考内置的实验手册、动态生成代码,并且对于实验可以智能验证及错误提示,在实验完成后,可以查看动态实验结果。支持基础视觉应用和基础视觉应用场景以及基础语音应用和基础语音应用场景项目学习方案,同时也可以通过图像识别和分类完成智能分拣系统、智能垃圾分类、智能驾驶系统等3D综合项目,可支持人工智能基础理论教学、工程项目开发教学及实验成果展示。每个基础实验都具有相对应的组件、内置实验手册以及代码生成等功能。1. 虚拟仿真组件:每个组件都是从算法中将逻辑抽象出来的具象化展现,在软件中可以进行图形化拖拽、连接、配置、删除等操作,要求每个组件都提供相应的算法匹配,从而完成组件->逻辑->代码->算法的全方面系统性算法学习策略。1)机器视觉组件:图形化组件至少包含:自适应二值化、HSV空间转换、与运算、开运算、颜色替换、图片旋转、图片镜像旋转、透视变换、模板输入、图像融合、Canny算法、滤波算法、形态操作、绘制轮廓、绘制直方图、直方图均衡化、模板匹配、霍夫变换、梯度处理方式、查找凸包等,组件数量≥28,投标时提供详细清单。2)机器学习组件:图形化组件至少包含:机器学习输入、机器学习输出、近邻算法、KNN决策边界、KNN预测值、求W/b数学解、参数初始化、前向计算、损失函数、开始迭代、反向传播、伯努利分布、先验概率、后验概率、更新聚类中心等组件,组件数量≥20,投标时提供详细清单。3)深度学习组件:图形化组件至少包含:深度学习输入、深度学习输出、网络层、输出层、定文损失函数和优化器、开始迭代、显示频率设置、Softmax与交叉熵、卷积核、卷积结果、池化结果等组件等,组件数量≥15,投标时提供详细清单。4)基础视觉应用组件:图形化组件至少包含:二维码识别、轮廓像素值转换为整数、形态操作、图像合并、canny算法、轮廓允许面积、寻找轮廓的外接矩形的坐标、矩形允许的长宽比、矫正矩形、识别车牌颜色并精确车牌范围、加载OpenCV的SVM模型、加载数据集制作数据与标签、二阶矩对图像偏斜校正、获取hog特征、开始训练、保存模型、开始逐一排查颜色块、车牌转换二值化、查找水平直方图波峰等,组件数量≥48,投标时提供详细清单。5)基础语音应用组件:图形化组件至少包含:快速傅里叶变换、预加重、窗函数、短时傅里叶变换、能量谱计算、三角mel滤波器组等,组件数量≥9,投标时提供详细清单。2. 2D模式组件逻辑接线1) 项目工程具有创建、保存、导入、导出功能;2) 支持画线、拖拽、删除、清空等编辑功能;3) 组件具有双输入组件、单输入组件等形式,以应对不同的逻辑策略;4) 支持接线验证功能,错误位置提示功能;★3. 组件内置属性面板(投标时提供视频或截图证明材料)1)支持修改相关组件参数以及算法的超参数;2)机器视觉中,可以对输入的图像进行修改;3)深度学习中,可以对输入的数据进行位置随机修改与噪声随机修改;4)可实时且动态查看算法运算输出结果;5)可实时且动态查看深度学习的损失与准确率曲线;★4. 系统内置实验手册(投标时提供视频或截图证明材料)1)针对每个实验提供详细的操作步骤;2)针对每个实验内的逻辑做出相应的解释说明;★5. 软件可生成实验对应Python的代码(投标时提供视频或截图证明材料)1)基于框架的实验可生成TensorFlow、PyTorch、PaddlePaddle三套代码;2)代码直接复制运行;3)代码可自行修改、二次开发,加深了解;4)系统内置代码运行环境,可单步调试;5)系统内置terminal终端;6. 系统内置AI运算服务1)AI运算服务可使用CPU进行运算或者GPU进行加速运算★7. 3D视觉场景动态仿真教学(投标时提供视频或截图证明材料)1)系统配置3D视觉场景,场景中角色可以第三人称与第一人称切换,角色可以在场景中自由移动、旋转角度、跳跃等;2)视觉场景拥有视觉实验台,内置颜色块、形状块、二维码、车牌、手势、数字块等内容的自由放置功能,并且可以切换3D和2D的不同可视角度;3)二维码可以自定义二维码;4)车牌可以自定义任意车牌;5)场景留有相应的开放性接口,支持用户编写逻辑代码以及算法代码接入到3D场景中,以实现相应的开发;★8. 3D声音场景动态仿真教学(投标时提供视频或截图证明材料)1)系统配置3D声音场景,场景中角色可以第三人称与第一人称切换,角色可以在场景中自由移动、旋转角度、跳跃等;2)视觉场景拥有声音实验台,可将鸟叫声、人声等内容的数据传输;3)鸟叫声包含:鹌鹑、白面水鸡、布谷鸟、大公鸡、黄鹏鸟、四声杜鹃、相思鸟、鹰鹃、中华鹧鸪、竹鸡,每个叫声都包含2-3种声音;4)人声包含:拜托、对不起、好久不见、欢迎、可以、没关系、您好、请稍等、谢谢、再见,每个词都包含成年女性、成年男性、男儿童、女儿童的声音;5)场景留有相应的开放性接口,支持用户编写逻辑代码以及算法代码接入到3D场景中,以实现相应的开发;★9. 智能分拣系统3D场景(投标时提供视频或截图证明材料)实例化一个项目场景,该场景要实现货物的分拣。1) 在2D场景中了解分拣系统项目设备组成,包括的虚拟设备有图像识别模块,步进电机驱动器、步进电机、人工智能中控驱动、急停按钮、复位按钮、运行按钮、推杆、激光发射器、激光接收器等设备。2) 在3D场景中,具有多个3D模型,包含传送带、推杆、激光发射器、激光接收器、摄像头等,分拣系统分为采集模式、分拣模式。采集模式可以动态展示物体图像采集过程,自由切换采集的物体,保存采集的图像。分拣模式可以动态展示应用层通过采集图像,控制各个推杆推出来分拣不同类型的物体;3) 在3D场景中,布设生动形象的分拣系统场景。可以从不同换角度查看分拣系统设备,实时显示图像采集区域、分拣系统画面;4) 包含测评系统,具有完整的评测标准,可以提供课设或者成绩的评估。★10. 智能垃圾分类3D场景(投标时提供视频或截图证明材料)实例化一个项目场景,该场景要实现垃圾的分类。1) 在2D场景中了解分拣系统项目设备组成,包括的虚拟设备有垃圾箱、显示大屏、垃圾识别区、可回收垃圾入口、厨余垃圾入口、有害垃圾入口、其它垃圾入口等设备。2) 在3D场景中,具有包含由可回收垃圾、厨余垃圾、有害垃圾、其他垃圾、大屏显示组成的智能垃圾箱3D模型,智能垃圾分类分为采集模式、垃圾分类模式。采集模式可以动态展示物体图像采集过程,自由切换采集的垃圾类型,保存采集的图像。垃圾分类模式可以动态展示应用层通过采集图像,识别图像的类型,传回数据到应用层,控制不同类型的垃圾投放到对应的垃圾桶当中;3) 在3 |
文章推荐: