Hyper Cycle CV - 第四范式官网

产品价值

低门槛

开箱即用的计算机视觉建模工具，自动化、快速高效建模

一站式

提供图像分类、物体识别、OCR等丰富的智能图像应用场景，兼容多种图像格式

自主可控

用户可自主掌控视觉类AI应用构建与上线及运维全流程

企业级

支持私有化部署和鉴权调用，保障数据和账户安全性；具备高可用性，支持容灾恢复

产品功能

统一标注图像集成管理

智能的一站式数据解决方案

传统方式将数据采集标注与建模分离，导致格式接口难以统一、标注质量难以实时掌控、从数据到模型的反馈不及时等多种问题和隐患。范式提供标注平台，通过统一的标注图像集成管理，覆盖从标注团队创建、待标注数据导入到标注质量评价和管理、标注数据导出全流程，为用户提供覆盖智能图像建模的全流程解决方案。

多种图像应用场景

范式标注平台提供丰富的图像领域标注体系，涵盖图像分类、物体检测、文字识别等标注基准。

完备的标注样式规范

提供标准标注格式、模版的统一框架，以及辅助用户标注过程的图像模版基础工具集。

兼容主流数据格式

兼容常见图像文件格式，如jpg、png、bmp等。
数据灵活接入，便携管理

支持多种数据上传方式

支持本地上传， HDFS分布式文件系统上传、FTP、标注平台上传等多种数据接入方式。

可视化数据管理界面

支持图片数据的查看、预览、标注信息修改，快速掌握数据宏观概况和微观内涵，提供单个图片到图片集合的不同维度管理。
专业的图像预处理流程

丰富的图像处理功能

通过算法内部自动化对图片进行翻转、裁剪、旋转、放缩、锐化、超像素、灰度化、模糊等十几种图片预处理功能，丰富图像数据，以强化模型鲁棒性。

高效的样本强化方法

简单勾选即可完成预处理方式的配置，并且支持组合叠加、样本均衡等，保证预处理功能的便捷，高效强化样本、提升机器学习模型的泛化能力。
深度视觉模型引擎

多种任务场景模版

能够针对图片分类、物体检测、文本定位、文本识别等多种场景（持续丰富中）进行深度模型构建，效果可媲美学术界的算法标杆。

深度学习算法库

内置Fast R_CNN、ResNET、CTPN、DeepText等多种深度学习模型，满足用户不同任务场景下的多样化需求。

迁移学习技术

第四范式创始团队是迁移学习技术的开创者。迁移学习被业界认为是“下一代的人工智能技术”，它是一种运用已存有的知识对不同但相关领域问题进行求解的新的机器学习方法。HyperCycle CV使用迁移学习技术，实现更快、更好地训练模型。

适用于不同专业背景的多种操作模式

HyperCycle CV提供智能推荐模式、精调模式和专家模式这三种难度级别的操作模式，分别对应业务人员、数据工程师和专业AI从业人员，实现门槛可控，不同专业背景的人员均可轻松上手。

实时的训练过程展示

HyperCycle CV提供实时训练过程展示，如实时模型训练指标、实时无效图片、实时错例图片，用户通过界面可直观了解当前模型训练情况，针对异常训练情况及时采取措施避免算力、时间的浪费。
轻巧完善的上线运维

可视化的资源监控

以可视化的形式展示GPU、CPU、内存和显存的占用情况，使得用户可以实时监控资源使用状况，以直观、便捷的形式为系统的稳定运行多加了一层保障。

模型一键发布，自动配置

对于训练好的模型，支持智能资源配置及按需配置两种资源配置方式，灵活的在模型应用上线过程中进行CPU/GPU、内存等资源配置，应用上线后将自动生成服务API，方便解耦，灵活适配。

便捷的模型管理与监控

可视化的方式提供模型信息查看、管理功能；同时提供构建过程日志详情查看功能，模型构建应用过程清晰透明。

丰富的应用监控指标

系统自带资源使用、服务访问、模型效果评估指标等的监控，在模型训练阶段提供CPU、GPU、内存等的负载情况监控，同时在训练完成后提供模型训练日志，随时可进行训练过程回溯，在应用服务阶段，提供实时CPU、GPU、内存、请求等负载情况，使管理员可实时掌握智能图像应用当前运行态势。