在工业质检、安防巡检、物料识别、产线合规检测等场景中目标识别是应用最广泛的计算机视觉能力。大多数企业落地视觉项目时长期面临数据平台与 AI 平台割裂的难题图像数据分散存储数据治理与 AI 训练平台割裂标注、训练、评估、部署工具分散多平台切换链路繁琐深度学习开发门槛高业务侧难以快速迭代模型算力静态分配资源利用率低、上线慢模型上线后缺少统一的版本、灰度与监控运维能力很多项目卡在 “有数据、有需求但模型迟迟无法落地投产”。AllData 数据中台内置机器学习中心 CubeStudio核心思路就是把 AI 能力原生融入数据中台打通数据治理、数据集管理、可视化标注、模型训练、效果评估、弹性推理、结果回写全链路实现数据 AI 一体化闭环。落地场景依托 AllData 的数据底座能力机器学习中心 CubeStudio 天然打通结构化业务数据、图片、视频流、多模态数据集面向目标识别场景提供一套低代码、可视化、云原生的训推一体化平台。1、打开机器学习平台Cube-Studio开源项目https://github.com/tencentmusic/cube-studioCube-Studio文档https://github.com/tencentmusic/cube-studio/wiki2、点击 目标识别训练部署3、复制流水线4、保存5、修改流水线任务配置并保存5.1 下载处理标注数据5.2 目标识别训练5.3 部署模型web服务6、运行7、查看运行情况等候大概10分钟左右模型将训练完成并部署下载标注数据下载完成训练训练完成开始部署8、模型训练部署完成9、访问http://16g003:808810、测试