項目說明
業務背景
随着城市化程序的不斷推進，中國汽車的保有量一直保持上升态勢，截止至2022年3月底，全國汽車保有量達3.07億，汽車保有量的不斷上升。不同車輛類型的分類在智能交通系統、公共安全等領域扮演着重要角色，例如高速收費口的車輛類型識别、停車場收費口的車輛類型識别、日常交通監控中的車輛類型識别等。
業務難點
以收費口管理場景為例，依據不同的車輛類型具有不同的收費标準，依靠人工判斷并計算費用效率低且具有個人主觀意識。
解決思路
為提高識别效率，避免主觀因素影響收費标準，企業決定通過AI訓練車輛類型識别的模型，與收費标準結合形成自動化的計費收費流程。鑒于市場上的車輛外觀、類型也在不斷的更新疊代，依靠通用解決方案很難滿足實際應用需求，是以，企業選用飛槳EasyDL提供的零門檻AI開發功能，企業不需要了解算法基礎即可快速完成模型訓練，結合車輛類型識别的業務場景，企業選用了EasyDL-圖像分類進行模型開發，并最終內建到業務産線中應用。
提示：在車輛類别識别的場景中，僅需辨識單張圖檔中的車輛屬于某個類型即可，是以選用圖像分類解決業務問題。
資料準備
當您資料采集時，需要注意保證單個圖檔中僅有一個目标主體車輛，避免造成識别困擾。您資料采集的角度需要和實際應用時的攝像頭角度保持一緻。
提示：考慮到收費口存在不同天氣、天黑等情況，在資料采集時各種情況的資料均需要采集，例如，傍晚、黑夜、下雪等。
在發起任務訓練前應采集訓練所需的場景資料，選用收費系統曆史積累的圖檔資料用于模型訓練，訓練資料應盡可能與實際業務場景中的資料保持一緻。 資料準備完成後，不同類别的圖檔資料按照檔案夾分别存儲，可直接将圖檔資料及标注資訊導入到平台中。在平台上點選【導入】選擇【有标注資訊】【以檔案夾命名分類】導入到平台中，檔案夾标簽即為分類名，每個子檔案夾下的圖檔即為目前标簽下的圖檔資料。
模型訓練
資料準備完成後，可建立模型訓練所需的選擇圖像分類任務類型，點選建立模型，根據您的業務實際内容自定義命名模型名稱完成模型建立。 考慮到車輛類型分類模型應用在收費口時，對預測性能要求較高，車輛的識别效率将直接影響到通勤效率，是以該選擇本地部署方案-通用小型裝置-高精度算法。該方案的優勢是：本地部署方式可有效節省預測資料上傳及預測結果下發所需的時間，大幅提高預測效率，選擇通用小型裝置作為部署硬體可在邊緣計算裝置上獲得更佳的預測表現，高精度算法可一定程度上提高模型的精度，如下圖：
模型部署
模型訓練完成後，如您對模型效果滿意，可将模型打包為離線SDK，EasyDL平台提供了廣泛的硬體适配，可結合業務場景選擇具體的硬體類型及作業系統。
模型釋出完成後，可在【純離線服務】中找到已釋出的模型SDK，下載下傳并【擷取序列号】激活即可部署在終端應用中。
企業将AI模型應用到實際場景中以實作停車費用、過路費用的自動計算，在收費口中由相機對每個車輛進行拍攝，拍攝到的圖檔傳輸到預測裝置上進行類型識别，基于識别出來的車輛類型自動進行費用計算。基于該智能智能方案，停車場及道路收費效率提高80%，大幅提升資源使用率。
效果優化
車輛類型識别在高速收費路口的應用中，場景相對單一且拍攝角度一緻，是以首次訓練模型效果優異，準确率達到了95%，鑒于市面上的車輛類型不斷更新疊代且部分車輛的主要特征也不斷發生變化，是以可在模型投入應用後，持續收集模型實際運作過中産生的資料，定期添加資料進行模型疊代，保證模型效果。
常見問題
問題1：EasyDL圖像提供了多種訓練任務，在該場景下為什麼要選擇圖像分類任務類型？