DaoAI World
高效视觉AI训练平台
一体化平台
支持从基础到进阶的全部检测
9种精心调校的AI模型
DaoAI World提供9种经过精心调校的AI模型，这些模型已经经过大量的实际应用认证，提供众多优势，包括快速开发，降本增效和性能提升。
目标检测
目标检测能够识别并标记图像中的物体，提供关于它们位置、 类型和数量的信息。此项模型对于需要同时识别多个物体的应用非常有用。
OCR/文字识别
从图像中提取可读文本，即使文本本身存在变形或者倾斜。它将扫描的文档、收据、车牌和其他文本的可视信息转换成可编辑和可搜索的数据。
定位
精确检测并输出图像中物品的位置，提供精确的空间数据。系统能够理解部件和设备的确切位置可用于辅助自动化设备如机器人引导和组装生产线监控。
错漏装检测
通过搜索每个单独的项目来识别图像中物品的存在。常用于检查错位和缺失部件。
分类
辅助将图像中的对象归类到特定的类别或标签中或区分有缺陷和无缺陷的物品。
关键点检测
识别并精确定位图像中的独特特征或位置。这些关键点通常用于机器人引导的参考标记。
监督缺陷分割
需要提供有缺陷和无缺陷的图像进行模型训练。 该模型可对不同类型的缺陷进行分类和分割，以区分不同种类的缺陷。依赖于标记的缺陷注释，适用于高精度的缺陷识别。
非监督缺陷分割
这个AI模型可以通过无缺陷样本学习，将任何与常规状态不同的特征识别为缺陷，从而不再需要复制高成本的缺陷样本和进行繁琐的数据收集。缺陷样本图像仅用于后续测试与验证，大幅减少训练成本。
实例分割
识别并分离图像中的物件，分配每个对象一个独特的标签。这种方法给物体追踪、质量检验和机器人视觉等应用提供了精准度方面的需求。
智能快速
训练您的 AI 以获得最佳结果
我们非常了解训练AI模型所要面临的挑战，传统的模型训练需要大量的资源，繁琐的数据搜集，和成本高昂的算力人力。 DaoAI World就是为此而生，用更快速的训练方式，更智能的AI模型，和更准确的检测结果 来助您轻松跨越这些阻碍。
单独使用少量阳性样本的无监督 AI 学习
非监督AI学习算法仅需少量无缺陷样本，即可帮助AI快速提取关键特征，无需依赖负样本或对比数据。通过数据中 的样式、结构和关系，AI可以自主学习并做出准确的预测或分类。通过这种方法，用户可以充分利用AI的力量以更少 的数据去构造更智能的系统。
智能标注
智能标注工具结合了先进的机 器视觉算法，允许用户仅需单击 就可完成标注，无需手动重 复点击和拖动边缘来完成标注。
全面灵活
高适配性和集成度
DaoAI World简化了从当前平台到运行时部署的过渡。我们支持直接上传现有项目的预标注数据（.json） 文件，并提供软件开发工具包和多种部署方法去加速部署。
传输格式 预标记数据
支持格式
Pascal VOC
YOLO v8 Pytroch
YOLO v5 Pytorch
VGG lmage AnnotatorJSON (VIA)
灵活的解决方案
自建推理服务器：此方法基于标准SDK 构建，支持设置通过 HTTP 请求进行通信的本地推理服务器。
DaoAI World托管推理服务器：这种方法支持Python，并利用 HTTP API 调用在DaoAI World 服务器上的模型进行推理，可以同步进行训练和检视。（仅在DaoAI World企业版可用）
数据共享与监控
支持实时协作，使团队成员能够处理同一项目。允许多个用户同时注释数据、添加新的培训课程或修复错误。在注释过程中带来一致性和效率。整个机器学习管道存在于一个中央存储库中，用于数据监控。共享帐户（“工作区”）包含所有源图像、注释、数据集和经过训练的模型（均可部署，并且正在积极部署）。
训练指标
全类平均精度（mAP）、 精确度和召回率。训练完成后，可查看训练 时间和单张图像推理时间。
流程跟踪
监控数据集标注和复查完成情况。
工作流状态
从数据摄入到部署的各个管道阶段
标注质量
评估标注的准确性和一致性。
六步构建AI视觉检测模型
产品阵容
根据您的需求量身定制
实际案例
键盘缺陷检测
电子产品：非监督缺陷分割
链轨节检查
机械制造：实例分割
水果检测和分拣
食品/农产品：目标检测
精确检测
机器人自动化：关键点检测
产品可追溯性
包装行业：OCR/文本识别
牙套缺陷检测
制药/医疗：监督式缺陷分割
车轮螺柱检测实现精准组装
汽车组装检测：错漏装检测
锁扣的精确定位
机械制造：定位
