Гибридная разметка изображений: автоматизация ускоряет обучение моделей компьютерного зрения

Почему ручная разметка ограничивает обучение компьютерного зрения

Компьютерное зрение обучается на размеченных изображениях. Разметка долго оставалась самой медленной частью разработки таких систем. Современным ИИ-моделям для хорошей работы нужны миллионы размеченных изображений.

Ручной труд не успевает за этим объёмом. Поэтому разметка становится узким местом при обучении моделей. Ручная разметка не масштабируется под требования современных моделей.

Как устроена гибридная разметка

Автоматические инструменты используют предварительно обученные модели. Они размечают новые изображения без ручной обработки каждого пикселя. Человек проверяет и исправляет результат, а не начинает разметку с нуля.

Этапы гибридной разметки:

1. Автоматическая предварительная разметка на основе предварительно обученной модели.
2. Проверка и исправление результата человеком.

Гибридная схема сочетает скорость автоматики и контроль качества.

Какие задачи закрывает автоматизация разметки

Автоматизация выполняет несколько типов разметки. Список задач:

• обнаружение объектов и размещение ограничивающих рамок;
• семантическая сегментация;
• экземплярная сегментация;
• классификация изображений;
• оценка ключевых точек и поз;
• разметка кадров видео.

Автоматизация покрывает основные задачи компьютерного зрения.

Что даёт гибридный подход по сравнению с ручной разметкой

Гибридный подход быстрее, точнее и лучше масштабируется.

Где применяется автоматическая разметка

Автоматическая разметка применяется в:

• автономных автомобилях;
• медицинской визуализации;
• розничной торговле и электронной коммерции;
• сельском хозяйстве и производстве.

В отраслях с высокими ставками качество разметки особенно важно. Ошибки в данных о пешеходах создают риск для безопасности автономных автомобилей. Непоследовательная разметка границ опухолей может привести к пропуску диагноза медицинской моделью.

Ограничения автоматической разметки

Автоматизированные системы всё ещё могут ошибаться при необычном освещении, перекрытии объектов, редких классах объектов и в нестандартных случаях. Предвзятость обучающих данных может переноситься в автоматическую разметку.

Поэтому автоматизацию рассматривают как начальный этап. Проверку человеком сохраняют, особенно в здравоохранении. Гибридная схема обязательна там, где цена ошибки высока.

Практический критерий выбора схемы разметки

Критерии выбора:

• Высокая цена ошибки (безопасность, медицина) требует проверки человеком.
• Рост объёма данных без пропорционального увеличения штата разметчиков достигается автоматической предразметкой.
• Для небольших компаний облачные сервисы разметки и модели с открытым исходным кодом снижают порог входа.

Схему разметки выбирают по цене ошибки и потребности в масштабировании.