百度EasyDL自研数据增强能力让AI模型效果一键优化

自研的能力效果如何呢？在公开数据集上，我们基于自研的自动数据增强搜索服务与现有的Benchmark进行了对齐，其中表一的ImageNet Benchmark(https://paddleclas.readthedocs.io/zh_CN/latest/advanced_tutorials/image_augmentation/ImageAugment.html#id6)在PaddleClas框架上训练，表二的Coco Benchmark(https://github.com/PaddlePaddle/PaddleDetection/tree/master/configs/autoaugment)在PaddleDetection框架上训练。

结果显示，EasyDL自动数据增强服务能达到与AutoAugment同样高的精度，并有大幅的速度优势。目前，我们用于数据增强搜索的分类、检测算子已经与AutoAugment对齐，后续将会持续不断扩充更多更高效的算子，进一步提升模型效果。

表一 ImageNet Benchmark

表二 Coco Benchmark

EasyDL目前已在经典版上线了手动数据增强服务，在专业版上线了自动数据增强搜索服务。在图像分类单标签的任务上，我们随机挑选了11个线上任务进行效果评测。如下图，使用专业版自动数据增强服务后，11个任务准确率平均提长了5.42%,最高一项任务获得了18.13%的效果提升。

图3图像分类单分类效果评测

在物体检测任务上，我们随机挑选了12个线上任务进行效果评测，效果对比如下图，使用专业版自动数据增强服务后11个任务准确率平均提升了1.4%,最高一项任务获得了4.2%的效果提升。

图4物体检测效果评测

EasyDL平台通过交互式的界面，为用户提供简单易上手的操作体验。同样，使用EasyDL的数据增强服务操作非常简便。

在经典版的训练模型页面“数据增强策略”里选择“手动配置”，即可轻松实现数据增强算子的使用，如图5。

在专业版的新建任务页面的“数据增强策略”里选择“自动搜索”，再设置需要搜索的算子范围，即可立刻实现自动数据增强，如图6。

图5经典版手动数据增强使用流程

图6专业版自动数据增强使用流程

为了让开发者使用EasyDL更便捷高效地开发效果出色的模型，EasyDL在框架设计中内置了多个组件与多种能力。如EasyDL智能搜索服务的整体架构图(图7)所示，其底层基础组件是分布式智能搜索，具备多机多卡搜索、训练容错、支持多种搜索优化算法等特性。基于分布式智能搜索提供的核心能力，我们构建了自动数据增强搜索、超参搜索、NAS搜索等服务，尽可能让用户可以在无需关心技术细节的情况下，简便使用EasyDL提供的多项搜索服务，获得模型效果的优化。

图7 EasyDL智能搜索服务整体架构图

在各行各业加速拥抱AI的今天，有越来越多的企业踏上智能化转型之路，借助AI能力完成降本增效。但在AI赋能产业的过程中，大规模的商业化落地十分复杂，需要企业投入大量的精力。由于不同行业、场景存在着差异化与碎片化，对AI的需求也不尽相同。因此，一个能够随场景变化定制开发AI模型的平台至关重要。通过零算法门槛的平台能力覆盖千变万化的场景需求，并提供灵活适应具体业务的多种部署方式，这就是EasyDL。

EasyDL零门槛AI开发平台，目前已在工业制造、智能安防、零售快消、交通运输、互联网、教育培训等行业广泛落地。

百度搜索“EasyDL”访问官网，开发高精度AI模型。

（编辑：应用网_阳江站长网）

【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!