Bilgisayarla görme kullanım durumları için makine öğrenimi modellerini eğitmek, çok büyük miktarda görüntü gerektirir. Çoğu zaman, bu görüntüler yanlış etiketlenir, bozulur veya kopyalanır, bu da ortalamanın altında bir model performansına yol açar. Ancak birçok veri kümesindeki milyonlarca görüntüyle bu sorunları yakalamak neredeyse imkansızdır. Görsel KatmanVeri bilimcilerin ve makine öğrenimi mühendislerinin bu sorunları modellerini etkilemeden önce bulmalarını sağlamak isteyen Tel Aviv merkezli bir girişim olan .
Şirket, pahalı GPU’lara ihtiyaç duymadan yüz milyonlarca görüntüyü analiz edebilen ve bu veri kümelerindeki olası sorunları otomatik olarak bulabilen bir sistem oluşturdu. Visual Layer’ın teknoloji yığınının merkezinde açık kaynak fastdub projesi. Şirketin kurucu ortakları Danny Bickson (CEO) ve Emir Aluş (CTO), bu projeyi, Bickson’ın daha önce şirketin Str Veri Bilimi Müdürü olduğu Apple gibi şirketlerdeki deneyimlerine dayanarak geliştirdi. Alush’un kurucu ortağı olduğu Brodmann17 ve yapay zeka girişimi Turi’yi satın aldı. Yakın zamanda 1.0 sürümüne ulaşan Fastdup, mühendislere yardımcı oluyor olası sorunları bul görüntü veri setlerinde, bunları kümeler ve görselleştirir.
Görsel Kaynakları: Görsel Katman
Ekip (eski Turi CEO’su ve kurucu ortak Carlos Guestrin’in de kurucu ortaklar arasında yer aldığı) araştırmalarında kurmak popüler ImageNet-21K eğitim öncesi veri setinin, 14 milyondan biraz fazla görüntüsü arasında bir milyondan fazla kopya çifti içerdiğini. Çoğu veri kümesi ayrıca bozuk görüntüler veya çok farklı etiketlere sahip çok benzer görüntüler içerir. Çoğu zaman, binlerce görüntü de basitçe yanlış etiketlenir ve daha sonra yanlış modeli eğitmek için kullanılır (bir yüz tanıma modelini eğitmek için kullanılan ayakkabıların görüntülerini düşünün).
“Dünya çapındaki şirketler ve kuruluşlar veri patlamasını yaşıyor ve görsel veriler yönetilmesi en karmaşık ve zorlu veri türlerinden biri. Bu içeriği anlamak, düzenlemek ve yönetmek, perakendeden üretime, sürücüsüz arabalara ve daha fazlasına kadar geniş bir sektör grubundaki müşteriler için anlamlı hizmetler oluşturmak için çok önemlidir” dedi. “Şirketler bu büyük miktardaki verilerle mücadele ediyor, genellikle verilerinin nerede olduğu ve içinde ne olduğu hakkında hiçbir fikirleri yok. Altyapı ve ortak standartlar olmadığı için kendi geliştirdikleri araçları geliştiriyorlar.”
Şaşırtıcı olmayan bir şekilde, Visual Layer esasen fastdub’ı bir hizmet olarak sunuyor (en üste ek kurumsal özellikler eklenmiş).
Görsel Kaynakları: Görsel Katman
Şirketin ilk kullanıcılarından bazıları, 200 milyon üründen oluşan resim galerisinin kalitesini artırmak için fastdup kullanan Hindistan sosyal ticaret platformu Meesho, John Deere, Honeywell, Winnow ve Nuvilab’ı içeriyor.
“Daha büyük veri kümelerinin daha iyi modeller anlamına geldiği fikrine rağmen, görüntü ve video söz konusu olduğunda, temeldeki dağınık veri kümeleri yetersiz modeller ve hataya açık sonuçlar üretebilir. Şimdi, büyük ölçekli AI modellerinin gerçekliği ile veri problemini çözmeliyiz. Fastdup’ın lansmanından sonra gördüğümüz anlık heyecan, müşterilerin aynı fikirde olduğunu bize açıkça gösterdi. Madrona Ortağı Jon Turow, “Yapay zeka uygulama yığınının yeni, temel bir bileşenini oluşturmak için Visual Layer ekibi ve fastdup topluluğuyla birlikte çalışmaktan heyecan duyuyoruz” dedi.
kim kimdir ne zaman nasıl nelerdir nedir ne işe yarar tüm bilgiler
dünyadan ilginç ve değişik haberler en garip haberler burada