奥普特3月8日调研纪要问题1公司的深度学习技术

奥普特3月8日调研纪要
问题1 公司的深度学习技术布局及进展情况？ 回答深度学习（工业 AI）相关技术的持续进步显著提升了机器视觉技术解决 工业问题的能力，推动了机器视觉技术在更多行业的广泛应用。目前工业用的深度 学习模型依然需要专业数据和领域知识积累，其着力解决的图像分析任务，仍旧需 要以高成像技术积累的图像为前提。公司凭借在成像技术方面的领先优势，以及在 各个下游行业积累的机器视觉专有技术（Know-How），与核心终端客户展开深入的 前瞻性技术合作，提供软硬件一体化的解决方案。 2023 年以来，公司成立了专门的深度学习（工业 AI）应用开发团队，并设立 了专用实验室，全力支持核心大客户诸如外观缺陷检测等项目的开发。 2023 年 12 月初，公司发布了 DeepVison3，兼具高效、柔性、易用特点。具体 来看 （1）在高效维度，DeepVision3 基于小样本学习，通过图像扩增、算法增强等 方式，降低图像依赖程度，数据量可减少 90%，而深度图像生成速度提升 3 倍以上， 训练周期可缩短到 30 分钟；同时还通过模型轻量化，在保证了精准度的前提下， 使分类和检测任务提速 20 倍以上； （2）在柔性维度，DeepVision3 开发了针对 3C、锂电池的通用检测模型，相 近工艺可实现一键换型，高度契合工厂模式，支持多人协作、多工序分析等功能。 证券代码688686 证券简称奥普特 不仅于此，DeepVision3 囊括了 8 大任务类型、15 大核心功能，标注、分割更智能 高效，操作简单； （3）在易用维度，DeepVision3 囊括了语义分割、字符识别、目标检测、图像 分类等多种任务类型，无需编程，高度易用，极大降低了软件的学习成本。此外， DeepVision3 还支持多标签复用、标注质量把控等功能。在模型训练过程中，提供 超参设置提示、过程可视化、评估结果溯源等工具，还能一键部署到 Smart3 软件。路过。自动驾驶的视觉跟工业领域的“机器视觉”完全不是一回事，不该混成一个市场去说。驾驶场景中的视觉，本质是种感知算法，靠的是大规模标注和训练，任何数据采集足够大的AI公司都能做。中国工业领域的视觉，一般用于工业质检，低端的用于巡检。质检往往是越小样本能训练出来越好，并不需要什么大模型。两者的赛道和逻辑完全不同。工业视觉受渗透率已较高、同质化重和工业疲软等因素影响，这几年并不好。当然就是图炒个题材那也就不较真了。