一本久道久久综合久久爱

<output id="gywsv"><tbody id="gywsv"><var id="gywsv"></var></tbody></output><table id="gywsv"><span id="gywsv"><rp id="gywsv"></rp></span></table>
    <p id="gywsv"><label id="gywsv"><xmp id="gywsv"></xmp></label></p><pre id="gywsv"><strike id="gywsv"><tt id="gywsv"></tt></strike></pre>
  • <li id="gywsv"><option id="gywsv"></option></li>
    <acronym id="gywsv"><label id="gywsv"></label></acronym>
  • <table id="gywsv"></table>

  • <pre id="gywsv"><s id="gywsv"><xmp id="gywsv"></xmp></s></pre><tr id="gywsv"><strong id="gywsv"></strong></tr>

    新聞資訊
    首頁 / 新聞資訊 / 新聞動態

    當全民健身遇上AI,曠視算法生產平臺AIS激活AI健身賽道

    2022-09-23

    去年8月,國務院印發《全民健身計劃(2021-2025年)》,促進全民健身更高水平發展,更好滿足人民群眾的健康和健身需求。一年來,豐富的在線健身直播帶動新的運動潮流,飛盤、騎行等運動風靡一時成為年輕人的最愛,全民健身熱潮持續上漲。

    伴隨著人們健身熱情的如火如荼,AI、云計算等新興技術也被廣泛應用于體育產業中。這其中,曠視運動猿訓練站能夠科學分析并判定多項體育動作,在7月曠視技術開放日上亮相,便吸引了行業的關注,成為全民健身與AI技術融合的代表。

    支持多種運動場景 曠視運動猿訓練站助力運動健身智能化

    曠視運動猿訓練站基于MegEngine框架,依托算法生產平臺AIS(AI Service,簡稱AIS)研發而成,在純視覺方向上實現了精度高、速度快、成本低等優勢,可準確識別正確與違規動作,以AI助力體育訓練全流程的數字化和智能化。曠視運動猿訓練站通過自研模型快速精準的檢測超過30個人體骨骼點,可覆蓋跑步訓練、身體素質訓練、球類訓練三大運動品類下的多種運動場景。

    舉例來說,在跳繩場景中,在240次/分鐘的條件下,曠視運動猿訓練站能夠實現正負1的誤差,并可以準確分辨出跳繩與開合跳等相似的動作。而仰臥起坐不僅支持識別運動過程中的雙手未抱頭、雙腿未屈膝、手肘未觸碰膝蓋等多種違規情況,還能準確記錄運動過程中的真實數據,實現正負1的計數要求。

    提升算法生產效率 算法量產推動AI擁抱健身

    與支持多種運動場景形成鮮明對比的是曠視運動猿訓練站短短數月的開發周期。一直以來,智能運動健身雖然被視為重要賽道,卻尚未迎來行業爆發階段。究其原因,正是因為傳統的算法生產囿于數據生產的復雜性、算法模型的不確定性和硬件平臺的多樣性等問題,導致算法生產門檻高、成本高、效率低,讓AI難以“飛入尋常百姓家”,未能廣泛地走進健身場景。

    “面對紛繁的運動場景,我們需要一周實現一個模型的驗證與迭代,一個月就要完成4項運動項目的 Alpha 版本?!表椖拷M成員介紹到。曠視運動猿訓練站如何才能實現快捷、高效的開發?其背后功臣正是曠視提出的算法量產理念及其自研的算法生產平臺AIS。

    AIS基于曠視Brain++體系,構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路,零代碼、自動化的生產力工具平臺,提供多種功能支持算法快速生產部署,可以大幅降低算法生產的門檻,提升算法生產效率。以足球顛球計數為例,需要有人體檢測、骨骼點檢測、足球檢測至少三個模型。借助算法生產平臺AIS,人體檢測和骨骼點檢測模型耗時為12小時左右,足球檢測模型則進一步降低至1-4小時,極大地提升了模型訓練的效率。

    快速迭代+自動檢測 練就“火眼金睛”

    模型訓練完成只是第一步,模型運行后依然可能面臨各種動作漏判、誤判等問題,例如在跳繩中,假跳或單腿跳等動作的骨骼點動作軌跡與正確的跳繩動作十分相似,這就要求模型快速迭代、調優,讓曠視運動猿訓練站練就“火眼金睛”,快速識別出假動作和錯誤動作。

    而有了算法生產平臺AIS的保駕護航,項目組可以大幅提升模型優化速度,在一天中能進行多輪迭代。通過AIS平臺提供的模型評測工具,研發人員可以快速定位模型問題,指導后續模型調優工作。

    “如果不借助算法生產平臺AIS的能力,算法研究員將一個模型做到60分可能需要幾天時間,持續投入才可能做到80分,但在算法生產平臺AIS的加持下,算法研究員很快就能拿到80分,效率得到極大的提升?!表椖拷M成員表示。

    得益于高精度、低成本等優勢,未來曠視運動猿訓練站也有望走進標準更嚴格的體育教研一線,更重要的是,其背后的AIS和算法量產的理念,不僅為智能運動健身等行業場景的應用與發展打開了思路,對于AI生產模式理念的革新和生產力的進化也提供了良好的借鑒意義。相信在不遠的未來,AI將在更多場景下發揮作用,讓更多的人享受到更加智能的生活。


    新聞資訊

    當全民健身遇上AI,曠視算法生產平臺AIS激活AI健身賽道

    2022-09-23

    去年8月,國務院印發《全民健身計劃(2021-2025年)》,促進全民健身更高水平發展,更好滿足人民群眾的健康和健身需求。一年來,豐富的在線健身直播帶動新的運動潮流,飛盤、騎行等運動風靡一時成為年輕人的最愛,全民健身熱潮持續上漲。

    伴隨著人們健身熱情的如火如荼,AI、云計算等新興技術也被廣泛應用于體育產業中。這其中,曠視運動猿訓練站能夠科學分析并判定多項體育動作,在7月曠視技術開放日上亮相,便吸引了行業的關注,成為全民健身與AI技術融合的代表。

    支持多種運動場景 曠視運動猿訓練站助力運動健身智能化

    曠視運動猿訓練站基于MegEngine框架,依托算法生產平臺AIS(AI Service,簡稱AIS)研發而成,在純視覺方向上實現了精度高、速度快、成本低等優勢,可準確識別正確與違規動作,以AI助力體育訓練全流程的數字化和智能化。曠視運動猿訓練站通過自研模型快速精準的檢測超過30個人體骨骼點,可覆蓋跑步訓練、身體素質訓練、球類訓練三大運動品類下的多種運動場景。

    舉例來說,在跳繩場景中,在240次/分鐘的條件下,曠視運動猿訓練站能夠實現正負1的誤差,并可以準確分辨出跳繩與開合跳等相似的動作。而仰臥起坐不僅支持識別運動過程中的雙手未抱頭、雙腿未屈膝、手肘未觸碰膝蓋等多種違規情況,還能準確記錄運動過程中的真實數據,實現正負1的計數要求。

    提升算法生產效率 算法量產推動AI擁抱健身

    與支持多種運動場景形成鮮明對比的是曠視運動猿訓練站短短數月的開發周期。一直以來,智能運動健身雖然被視為重要賽道,卻尚未迎來行業爆發階段。究其原因,正是因為傳統的算法生產囿于數據生產的復雜性、算法模型的不確定性和硬件平臺的多樣性等問題,導致算法生產門檻高、成本高、效率低,讓AI難以“飛入尋常百姓家”,未能廣泛地走進健身場景。

    “面對紛繁的運動場景,我們需要一周實現一個模型的驗證與迭代,一個月就要完成4項運動項目的 Alpha 版本?!表椖拷M成員介紹到。曠視運動猿訓練站如何才能實現快捷、高效的開發?其背后功臣正是曠視提出的算法量產理念及其自研的算法生產平臺AIS。

    AIS基于曠視Brain++體系,構建了一套覆蓋數據處理、模型訓練、性能分析調優、推理部署測試等算法生產全鏈路,零代碼、自動化的生產力工具平臺,提供多種功能支持算法快速生產部署,可以大幅降低算法生產的門檻,提升算法生產效率。以足球顛球計數為例,需要有人體檢測、骨骼點檢測、足球檢測至少三個模型。借助算法生產平臺AIS,人體檢測和骨骼點檢測模型耗時為12小時左右,足球檢測模型則進一步降低至1-4小時,極大地提升了模型訓練的效率。

    快速迭代+自動檢測 練就“火眼金睛”

    模型訓練完成只是第一步,模型運行后依然可能面臨各種動作漏判、誤判等問題,例如在跳繩中,假跳或單腿跳等動作的骨骼點動作軌跡與正確的跳繩動作十分相似,這就要求模型快速迭代、調優,讓曠視運動猿訓練站練就“火眼金睛”,快速識別出假動作和錯誤動作。

    而有了算法生產平臺AIS的保駕護航,項目組可以大幅提升模型優化速度,在一天中能進行多輪迭代。通過AIS平臺提供的模型評測工具,研發人員可以快速定位模型問題,指導后續模型調優工作。

    “如果不借助算法生產平臺AIS的能力,算法研究員將一個模型做到60分可能需要幾天時間,持續投入才可能做到80分,但在算法生產平臺AIS的加持下,算法研究員很快就能拿到80分,效率得到極大的提升?!表椖拷M成員表示。

    得益于高精度、低成本等優勢,未來曠視運動猿訓練站也有望走進標準更嚴格的體育教研一線,更重要的是,其背后的AIS和算法量產的理念,不僅為智能運動健身等行業場景的應用與發展打開了思路,對于AI生產模式理念的革新和生產力的進化也提供了良好的借鑒意義。相信在不遠的未來,AI將在更多場景下發揮作用,讓更多的人享受到更加智能的生活。


    聯系我們
    一本久道久久综合久久爱
    <output id="gywsv"><tbody id="gywsv"><var id="gywsv"></var></tbody></output><table id="gywsv"><span id="gywsv"><rp id="gywsv"></rp></span></table>
    <p id="gywsv"><label id="gywsv"><xmp id="gywsv"></xmp></label></p><pre id="gywsv"><strike id="gywsv"><tt id="gywsv"></tt></strike></pre>
  • <li id="gywsv"><option id="gywsv"></option></li>
    <acronym id="gywsv"><label id="gywsv"></label></acronym>
  • <table id="gywsv"></table>

  • <pre id="gywsv"><s id="gywsv"><xmp id="gywsv"></xmp></s></pre><tr id="gywsv"><strong id="gywsv"></strong></tr>