识别精度高
海量训练数据与实战业务场景支撑，提供高精度的处理效果
处理速度快
结合定制优化的算法模型与工程方案，实现毫秒级处理响应与反馈。
适配数据全面
通用算法能力，适配不同场景、不同类型的业务数据输入与处理。
产品矩阵丰富
提供全面丰富的产品能力，帮助客户自定义搭配解决不同的业务问题。
产品功能
图像抠图/分割
对输入图中主体进行分割，输出对应的png格式透明结果图，支持包括人体、动物、物品等。
图像超分辨/清晰化
将输入图放大四倍，同时基于推断出的细节保持结果图像的清晰度。
图像裁剪
对输入图片进行指定尺寸变换，自动判断主体区域位置，使用最佳的裁剪方式。
图像色彩转换
将输入图自动或根据指定色板进行色彩转换，同时保证视觉热点区域避免不正常拓色。
图像风格转换
将输入图按照指定的风格图像进行风格的迁移，使得图像的色彩、笔触等视觉风格发生转化。
图像色板分析
对输入图的颜色信息进行分析，给出颜色值（RGB形式和HEX格式）与对应的占比信息。
图像风格分析
对输入图的风格类型进行分析，给出可能的风格标签。如：视觉风格：中国风,语义风格：典雅等。
图像元素识别
识别输入图中所包含的元素，用矩形框标注出其位置，并区分其对应的基本类型（人/物、修饰、文案）。
应用场景
电商产品上架
在电商平台进行新商品上架过程中，需要将商品图处理为白底图，可以用到图像抠图能力进行自动批量抠图。在详情页介绍信息中需要将图片处理为布局指定像素尺寸，可以使用图像裁剪服务进行处理。
图像素材管理
在图像素材平台中，需要将图像根据色彩、风格等维度进行打标分类并检索，可以使用图像分析能力完成以上结构化管理需求。
人像娱乐或证件照制作
在2C场景的基于人物照片美颜、娱乐、证件照制作等产品中，需要将人像从原始照片中抠出，并完成分辨率的提升，色彩或风格的调整等，可以使用图形处理能力完成。
整体框架
解决方案收益
识别视频中出现的关键政治人物和明星，以及其中出现的时间片段，供视频素材定位管理
识别视频所对应的节目名称，多用于综艺节目、电影等剧集类素材的分析
识别视频中出现的物体，如动物、植物和交通工具等
通过理解视频包含的场景、背景含义和人物信息对视频进行类目区分，多用于视频素材分类管理场景
通过理解视频主题含义，输出符合大众审美的视频封面图
分类模型
评估模型
检测模型
分割融合模型
分割网络
融合网络
分类模型
评估模型
检测模型
分割融合模型
分割网络
融合网络
分类任务往往需要多轮的数据准备，模型优化，数据清洗才能够落地使用。据此，我们设计完成了一个自动分类工具，融合最新的优化技术，并借鉴autoML的思想，在有限GPU资源的情况下做参数和模型搜索，简化分类任务中人员的参与，加速分类任务落地。
直接使用回归做分数拟合，训练效果并不好。该场景下作为一个前序过滤任务，作为分类问题处理则比较合理。实际我们也采用一些传统算法，协助进行过暗、过曝等判断。
主要借鉴了FPN检测架构。1、对特征金字塔每一层featuremap都融合上下相邻层特征，这样输出的特征潜在表征能力更强；2、特征金字塔不同层特征分别预测，候选anchors可增加对尺度变化的鲁棒性，提升小尺度区域召回；3、对候选anchor的设定增加一些可预见的scale，在商品尺寸比例比较极端的情况下大幅提升普适性
与传统的只需要分别前景、背景的图像分割（segmentation）问题不同，高精度抠图算法需要求出某一像素具体的透明度是多少，将一个离散的0-1分类问题变成[0, 1]之间的回归问题。
我们使用了在图像分割任务中常用的编-解码器结构作为我们的基础结构，但与传统结构不同，我们的网络中使用了双解码器分别来预测前、背景概率。
由数个连续卷积层构成，它负责预测混合权重。