采用迁移学习和小样本学习方法，将多种自研成熟模型应用到新的样本任务来实现新场景算法的快速建构，让定制化算法在小数据场景下的实现高效高精度开发
中
EN
- 前沿学习算法
算法持续性优化全球首家将联邦学习系统引入计算机视觉领域并成功落地的企业，自动联合不同的数据模型而不共享数据，免除数据安全问题的忧虑，实现本地训练、持续优化
- 构建开源生态
兼容行业主流开源框架TensorFlow、Caffe、PyTorch、MXNex等，构建开源生态，自研高效加速组件， 尽可能减少开发过程中的重复工作
敏捷高效自动化首创视觉算法模型与SDK自动封装、自动测试，高效完成算法测试，输出测试报告，效率提升10-20倍
- 标准化开发/调用接口
开放接口能力，便捷各类客户/合作伙伴开发对接；统一调用接口，实现算法负载均衡，保障算法应用的稳定
数据沙盒安全保障基于Docker容器化技术和数据沙箱设计，保证环境的安全隔离及任务的弹性扩容；样例数据安全加密，不可复用