从旷视开源自研深度学习框架 看旷视商业进化的底层逻辑

“从目前的现实情况来看，产业实现AI+的共性难题莫过于无法解决场景过小而技术升级投入过大之间的矛盾，因此AI解决方案难以落地。以一家制造业领域的客户为例，工厂在配电产品质量检测中，会出现零部件颜色搭配错误、字符印刷残缺等情况，靠人工目检费时费力效率低，靠机器视觉方案就需要在数据、算法和算力投入大量的人力、物力，且模型效果难以维持。”赵立威在介绍现有Brain++方案时介绍到，“旷视为客户提供了基于Brain++平台的智能质检解决方案，综合统筹数据、算力的能力，帮助客户实现了模型的快速选型、优化和封装。工厂在Brain++的助力下，极大地提升了质检效率和生产效率。”

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!