近期，耐能團隊上線了一款新的AI模型體驗工具「Showroom」。

作為一棧式邊緣終端AI方案提供商，耐能除了自研邊緣AI 芯片，同時專注輕量級AI模型的開發。

「Showroom」不僅展示了耐能支持的多種AI算法，同時結合場景可以讓廣大用戶對耐能算法方案得到一個快速的體驗反饋。

基于模型體驗讓用戶了解耐能算法性能，以便明確在耐能的哪一個平臺運行更加契合。

近年來，已經有越來越多的用戶選擇耐能的AI算法方案，「Showroom」作為一款web端實時演示工具，內置了耐能支持的AI算法。

大部分模型可被導入商用，無需注冊登錄，只需要提前準備好需識別的素材(圖片/視頻)，即可體驗demo，同時也支持設備端本地攝像頭直接拍攝。

目前，在「Showroom」里，我們將所有算法模型按系列分成6類，分別如下：

Object Detection(對象檢測)

Face Recognition(人臉識別)

License Plate Related(車輛相關)

Regression(回歸模型)

Liveness(活體檢測)

Classification(分類檢測)

用戶可以在這6個系列里選取對應相關的AI算法模型進行體驗。

已上線的在線AI算法體驗模型合計已達39項，經訓練及優化后大部分已廣泛應用于市場，包含AIoT，智能安防，智能駕駛領域。

操作上也極為便捷，簡單以Object Detection 4class 模型為例，該模型可以對室內場景的內容物體進行分類識別(人、瓶子、盆栽、椅子)，只需將提前準備好的場景照片或視頻進行導入，即可輸出模型預測的結果。

(△輸入前后結果對比)

關于精度及平臺的數值結果，分為兩種:

一是算法的結果, 是基于GPU平臺所得出的值，可以用來對照量化后的結果。

一是適用的硬件平臺的執行結果，展示了耐能在經過邊緣運算后的壓縮結果，模型精度損失小于0.1%

而識別的物體類別也是可替換的，客戶可以從耐能的Model zoo下載預訓練模型并導入需要的場景照片，客戶即可自行或是委由耐能團隊進行模型優化，以便達到最優值。

目前所上線的算法模型，仍有少部分暫未優化為商用級別，「Showroom」平臺僅做demo供用戶體驗，以下為部分未優化的體驗效果展示。

(△人體關鍵點定位體驗)

(△人臉質量體驗)

需注意的是，在進行體驗的時候，請參照輸入信息里的規格格式，以便達到最優體驗。

人工智能道阻且長，但只要堅持對產品設計的執著，將科技基因融入創新產品，以客戶為中心，未來一定可期。

而這，也是耐能正在做，未來也會一直做的事情。

原文標題：耐能AI模型工具上線，為核心場景提供體驗支撐

文章出處：【微信公眾號：Kneron耐能】歡迎添加關注!文章轉載請注明出處。