在工业质检、安防巡检、物料识别、产线合规检测等场景中，目标识别是应用最广泛的计算机视觉能力。大多数企业落地视觉项目时，长期面临数据平台与 AI 平台割裂的难题：

图像数据分散存储，数据治理与 AI 训练平台割裂
标注、训练、评估、部署工具分散，多平台切换链路繁琐
深度学习开发门槛高，业务侧难以快速迭代模型
算力静态分配，资源利用率低、上线慢
模型上线后缺少统一的版本、灰度与监控运维能力

很多项目卡在 “有数据、有需求，但模型迟迟无法落地投产”。AllData 数据中台内置机器学习中心 CubeStudio，核心思路就是把 AI 能力原生融入数据中台，打通数据治理、数据集管理、可视化标注、模型训练、效果评估、弹性推理、结果回写全链路，实现数据 + AI 一体化闭环。

落地场景

依托 AllData 的数据底座能力，机器学习中心 CubeStudio 天然打通结构化业务数据、图片、视频流、多模态数据集，面向目标识别场景提供一套低代码、可视化、云原生的训推一体化平台。

1、打开机器学习平台
Cube-Studio开源项目：https://github.com/tencentmusic/cube-studioCube-Studio文档：https://github.com/tencentmusic/cube-studio/wiki

2、点击 目标识别训练部署

3、复制流水线

4、保存

5、修改流水线任务配置并保存

5.1 下载处理标注数据

5.2 目标识别训练

5.3 部署模型web服务

6、运行

7、查看运行情况

等候大概10分钟左右，模型将训练完成并部署
下载标注数据

下载完成，训练

训练完成，开始部署

8、模型训练部署完成

9、访问（http://16g003:8088）

10、测试