作為教學實驗平臺,讓學生了解AI模型體系和前沿算法的功能特性及重要參數
作為AI分析平臺為實驗室提供海量算法的零門檻使用體驗,提升數據分析效率并加速科研成果轉化速率
提供TB級各類型真實農業數據
涵蓋智慧農業所有主流任務功能
包括各類經典機器學習和深度學習
序號 | 詳細介紹 |
---|---|
1 | 平臺包括工具欄、畫布、日志輸出三個模塊,允許用戶零門檻可視化將工具欄中組件拖拽至畫布進行連接,無需編程 |
2 | 支持常見的科研或教學的數據類型,支持的格式不低于6種,包括不限于表格數據、可見光圖像、近紅外圖像、多光譜圖像、高光譜數據等 |
3 | 內置主流的預訓練模型,不低于百G級別,使得用戶訓練自有數據時更快收斂至高精度 |
4 | 可擴展性,至少支持用戶使用一種主流算法編程語言(如python)在畫布的相關模塊中自寫代碼,并可與其它模塊進行連接運算 |
5 | 支持圖像分類、目標檢測、語義分割和實例分割四大計算機視覺任務,支持數據分類和回歸任務 |
6 | 支持經典機器學習算法的實時級自動運算,無需每改變一次參數就點擊運行,支持深度學習用戶自定義關鍵參數,允許用戶加載之前訓練的模型開始訓練 |
7 | 支持分析流程可保存為文件,且可被軟件平臺加載,且支持對分析流程添加標題和實驗描述 |
8 | 支持網絡結構的拓展性,其中圖像分類任務的VGG網絡架構至少支持VGG16和VGG19,ResNet支持ResNet50、ResNet101和ResNet152等 |
9 | 包括配套的實驗課程,課程內容至少覆蓋 六種作物(包括多種大田作物和園藝作物),覆蓋經典機器學習和深度學習,實驗數據類型覆蓋至少三種,包括不限于智慧農業常見的可見光、多光譜和高光譜等類型數據 |
*各型號詳細參數請咨詢客服