详细内容或原文请订阅后点击阅览
voxel51的新自动标记技术有望将注释成本削减100,000x
一项来自计算机视觉启动Voxel51的开创性新研究表明，传统的数据注释模型即将被颠覆。该公司在今天发布的研究中报告说，其新的自动标记系统可实现多达95％的人类水平准确性，同时比手动标签快5,000倍，高达100,000倍。这项研究基于[…] Vost Vost51的新自动标记技术有望将注释成本削减100,000倍，这首先出现在Unite.ai上。
来源:Unite.AI一项来自计算机视觉启动Voxel51的开创性新研究表明，传统的数据注释模型即将被颠覆。该公司在今天发布的研究中报告说，其新的自动标记系统可实现多达95％的人类水平准确性，同时比手动标签快5,000倍，高达100,000倍。
voxel51 00,000x便宜研究基准的基础模型，例如Yolo-World和在包括可可，LVIS，BDD100K和VOC在内的著名数据集上的Dino。值得注意的是，在许多现实情况下，仅针对AI生成的标签进行了训练的模型，以与人类标签进行培训的那些培训的模型。对于建立计算机视觉系统的公司而言，含义是巨大的：可以节省数百万美元的注释成本，并且模型开发周期可能会在几周到几个小时内缩小。
计算机视觉注释的新时代：从手动劳动到模型的管道
数十年来，数据注释一直是AI开发中的痛苦瓶颈。从ImageNet到自动驾驶数据集，团队都依靠人类工人的庞大军队来绘制界限和细分对象，这是昂贵且缓慢的努力。
数据注释流行的逻辑很简单：更人体标记的数据=更好的AI。但是Voxel51的研究将其假设倒在其头上。
他们的方法利用了预训练的基础模型（具有零射击功能），并将它们集成到管道中，该管道可以自动化常规标签，同时使用主动学习来标记不确定或复杂的案例进行人类审查。这种方法大大降低了时间和成本。
零射 胜过内部Voxel51：团队重塑视觉AI工作流程
Jason Corso教授 Brian Moore fiftyOne 4500万美元 $ 1,250万美元系列A $ 3000万系列B从工具到平台：fiftyOne的扩展角色
与V7 Labs合作重新思考注释行业
以数据为中心的AI