Hyper Cycle CV - 第四范式官網

產品價值

低門檻

開箱即用的計算機視覺建模工具，自動化、快速高效建模

一站式

提供圖像分類、物體識別、OCR等豐富的智能圖像應用場景，兼容多種圖像格式

自主可控

用戶可自主掌控視覺類AI應用構建與上線及運維全流程

企業級

支持私有化部署和鑒權調用，保障數據和賬戶安全性；具備高可用性，支持容災恢復

產品功能

統一標注圖像集成管理

智能的一站式數據解決方案

傳統方式將數據采集標注與建模分離，導致格式接口難以統一、標注質量難以實時掌控、從數據到模型的反饋不及時等多種問題和隱患。范式提供標注平臺，通過統一的標注圖像集成管理，覆蓋從標注團隊創建、待標注數據導入到標注質量評價和管理、標注數據導出全流程，為用戶提供覆蓋智能圖像建模的全流程解決方案。

多種圖像應用場景

范式標注平臺提供豐富的圖像領域標注體系，涵蓋圖像分類、物體檢測、文字識別等標注基準。

完備的標注樣式規范

提供標準標注格式、模版的統一框架，以及輔助用戶標注過程的圖像模版基礎工具集。

兼容主流數據格式

兼容常見圖像文件格式，如jpg、png、bmp等。
數據靈活接入，便攜管理

支持多種數據上傳方式

支持本地上傳， HDFS分布式文件系統上傳、FTP、標注平臺上傳等多種數據接入方式。

可視化數據管理界面

支持圖片數據的查看、預覽、標注信息修改，快速掌握數據宏觀概況和微觀內涵，提供單個圖片到圖片集合的不同維度管理。
專業的圖像預處理流程

豐富的圖像處理功能

通過算法內部自動化對圖片進行翻轉、裁剪、旋轉、放縮、銳化、超像素、灰度化、模糊等十幾種圖片預處理功能，豐富圖像數據，以強化模型魯棒性。

高效的樣本強化方法

簡單勾選即可完成預處理方式的配置，并且支持組合疊加、樣本均衡等，保證預處理功能的便捷，高效強化樣本、提升機器學習模型的泛化能力。
深度視覺模型引擎

多種任務場景模版

能夠針對圖片分類、物體檢測、文本定位、文本識別等多種場景（持續豐富中）進行深度模型構建，效果可媲美學術界的算法標桿。

深度學習算法庫

內置Fast R_CNN、ResNET、CTPN、DeepText等多種深度學習模型，滿足用戶不同任務場景下的多樣化需求。

遷移學習技術

第四范式創始團隊是遷移學習技術的開創者。遷移學習被業界認為是“下一代的人工智能技術”，它是一種運用已存有的知識對不同但相關領域問題進行求解的新的機器學習方法。HyperCycle CV使用遷移學習技術，實現更快、更好地訓練模型。

適用于不同專業背景的多種操作模式

HyperCycle CV提供智能推薦模式、精調模式和專家模式這三種難度級別的操作模式，分別對應業務人員、數據工程師和專業AI從業人員，實現門檻可控，不同專業背景的人員均可輕松上手。

實時的訓練過程展示

HyperCycle CV提供實時訓練過程展示，如實時模型訓練指標、實時無效圖片、實時錯例圖片，用戶通過界面可直觀了解當前模型訓練情況，針對異常訓練情況及時采取措施避免算力、時間的浪費。
輕巧完善的上線運維

可視化的資源監控

以可視化的形式展示GPU、CPU、內存和顯存的占用情況，使得用戶可以實時監控資源使用狀況，以直觀、便捷的形式為系統的穩定運行多加了一層保障。

模型一鍵發布，自動配置

對于訓練好的模型，支持智能資源配置及按需配置兩種資源配置方式，靈活的在模型應用上線過程中進行CPU/GPU、內存等資源配置，應用上線后將自動生成服務API，方便解耦，靈活適配。

便捷的模型管理與監控

可視化的方式提供模型信息查看、管理功能；同時提供構建過程日志詳情查看功能，模型構建應用過程清晰透明。

豐富的應用監控指標

系統自帶資源使用、服務訪問、模型效果評估指標等的監控，在模型訓練階段提供CPU、GPU、內存等的負載情況監控，同時在訓練完成后提供模型訓練日志，隨時可進行訓練過程回溯，在應用服務階段，提供實時CPU、GPU、內存、請求等負載情況，使管理員可實時掌握智能圖像應用當前運行態勢。