Anotasi gambar hibrida: otomatisasi mempercepat pelatihan model visi komputer

Mengapa Anotasi Manual Membatasi Pelatihan Visi Komputer

Visi komputer dilatih menggunakan gambar beranotasi. Anotasi sejak lama menjadi bagian paling lambat dalam pengembangan sistem semacam ini. Model AI modern membutuhkan jutaan gambar beranotasi agar dapat bekerja dengan baik.

Tenaga kerja manual tidak mampu mengimbangi volume tersebut. Akibatnya, anotasi menjadi hambatan dalam pelatihan model. Anotasi manual tidak dapat diskalakan untuk memenuhi kebutuhan model modern.

Cara Kerja Anotasi Hibrida

Alat otomatis menggunakan model yang telah dilatih sebelumnya. Alat ini menganotasi gambar baru tanpa perlu memproses setiap piksel secara manual. Manusia memeriksa dan memperbaiki hasilnya, alih-alih memulai anotasi dari awal.

Tahapan anotasi hibrida:

1. Anotasi awal otomatis menggunakan model yang telah dilatih sebelumnya.
2. Hasil diperiksa dan diperbaiki oleh manusia.

Pendekatan hibrida menggabungkan kecepatan otomatisasi dengan kendali mutu.

Tugas yang Dapat Ditangani oleh Otomatisasi Anotasi

Otomatisasi menangani beberapa jenis anotasi. Daftar tugas:

• deteksi objek dan penempatan kotak pembatas;
• segmentasi semantik;
• segmentasi instans;
• klasifikasi gambar;
• estimasi titik kunci dan pose;
• anotasi bingkai video.

Otomatisasi mencakup tugas-tugas utama visi komputer.

Manfaat Pendekatan Hibrida Dibandingkan Anotasi Manual

Pendekatan hibrida lebih cepat, lebih akurat, dan lebih mudah diskalakan.

Penerapan Anotasi Otomatis

Anotasi otomatis diterapkan di:

• kendaraan otonom;
• pencitraan medis;
• perdagangan ritel dan e-commerce;
• pertanian dan manufaktur.

Di industri dengan risiko tinggi, kualitas anotasi sangat penting. Kesalahan pada data pejalan kaki menimbulkan risiko keselamatan bagi kendaraan otonom. Anotasi batas tumor yang tidak konsisten dapat menyebabkan model medis melewatkan diagnosis.

Keterbatasan Anotasi Otomatis

Sistem otomatis masih dapat membuat kesalahan dalam kondisi pencahayaan yang tidak biasa, objek yang tertutup, kelas objek yang langka, dan kasus yang tidak umum. Bias dalam data pelatihan dapat terbawa ke dalam anotasi otomatis.

Karena itu, otomatisasi dipandang sebagai tahap awal. Pemeriksaan oleh manusia tetap dilakukan, terutama di bidang kesehatan. Pendekatan hibrida wajib digunakan ketika biaya kesalahan tinggi.

Kriteria Praktis untuk Memilih Pendekatan Anotasi

Kriteria pemilihan:

• Biaya kesalahan yang tinggi (keselamatan, medis) memerlukan pemeriksaan oleh manusia.
• Peningkatan volume data tanpa menambah jumlah anotator secara proporsional dapat dicapai melalui anotasi awal otomatis.
• Bagi perusahaan kecil, layanan anotasi berbasis cloud dan model sumber terbuka menurunkan hambatan untuk memulai.

Pendekatan anotasi dipilih berdasarkan biaya kesalahan dan kebutuhan skalabilitas.