X
Ultralytics YOLOv8.2 FreigabeUltralytics YOLOv8.2 FreigabeUltralytics YOLOv8.2 Pfeil loslassen
Grüner Scheck
Link in die Zwischenablage kopiert

Ein Blick in DagsHub Active Learning Pipelines

Entdecke DagsHub Active Learning Pipelines auf YOLO VISION 2023 mit Yono Mittlefehldt. Vom aktiven Lernen bis zur Bildsegmentierung: Entdecke die transformative Kraft der KI.

Step into the realm of cutting-edge Artificial Intelligence (AI) methodologies with another one of our speakers from YOLO VISION 2023 (YV23)! At this Ultralytics-powered event, hosted at the Google for Startup campus in Madrid, Yono Mittlefehldt, former Machine Learning Advocate at DagsHub, took the stage to unravel the wonders of active learning pipelines. 

Einführung und Überblick

Um unsere Reise zu beginnen, wollen wir eine Einführung in aktive Lernpipelines geben. In diesem Vortrag haben wir uns die Unterschiede zwischen aktivem Lernen und traditionellen überwachten Lernmethoden angesehen.

Datenaufbereitung

Als erstes legen wir den Grundstein für unsere aktive Lernpipeline. Wir importieren Abhängigkeiten, richten die Datenquelle ein und machen uns daran, die Metadaten mit ersten Anmerkungen anzureichern. Es geht darum, die Grundlage für unsere KI-gestützte Erkundung zu schaffen.

Model Ausbildung

Mit den vorbereiteten Daten tauchen wir in das aufregende Reich des Modelltrainings ein. Mit dem Ultralytics YOLOv8 Datensatz und der YAML-Datei fügte Yono Rückrufe hinzu, um Parameter und Metriken während des Trainings zu protokollieren. Dies ist ein wichtiger Schritt, um sicherzustellen, dass die KI-Modelle für den Erfolg gerüstet sind.

Zyklus des aktiven Lernens

Der nächste Schritt ist der aktive Lernzyklus - ein dynamischer Prozess, der das Laden vortrainierter Modelle, die Auswertung unmarkierter Daten und die Auswahl von Stichproben für die Annotation umfasst. Durch die iterative Anreicherung der Datenquelle mit Vorhersagen decken wir verborgene Erkenntnisse auf und treiben die Modelle zu neuen Höchstleistungen an.

Aktives Lernen für die Bildsegmentierung

Die Bildsegmentierung steht im Mittelpunkt, wenn wir die transformative Kraft des aktiven Lernens erkunden. Indem wir Vorhersagen zur Kommentierung an Label Studio senden, erkennen wir das Potenzial für Modellverbesserungen durch mehrere Zyklen. Es ist eine Entdeckungsreise, bei der uns jede Iteration der KI-Perfektion näher bringt.

Label Studio verwenden

In unserem Streben nach KI-Exzellenz wird Label Studio zu einem wichtigen Werkzeug in unserem Arsenal. Wir erstellen Projekte, um kommentierte Daten zu speichern, und nutzen die Label Studio-Server, um eine nahtlose Verbindung zur Aufgaben-API herzustellen. Durch die Zuordnung von Aufgaben zu Projektnamen optimieren wir unsere Arbeitsabläufe und ebnen den Weg für eine reibungslosere Zusammenarbeit.

Einpacken

Am Ende des Vortrags ging Yono auf die brennenden Fragen der Zuhörer ein. Von der Optimierung von Pipelines für bestimmte Aufgaben bis hin zur Reproduzierbarkeit und Dokumentation stellte er sicher, dass jeder Aspekt dieser Reise auf Best Practices und Industriestandards basiert.

Alles in allem war diese Reise durch aktives Lernen bei YV23 einfach nur aufregend. Ausgestattet mit neuem Wissen und neuen Erkenntnissen sind wir bereit für neue KI-Abenteuer, angetrieben von der Kraft des aktiven Lernens und der Unterstützung und dem Engagement unserer Gemeinschaft.

Sei dabei, wenn wir die Grenzen der KI-Innovation weiter verschieben und neu definieren, was in der Welt des maschinellen Lernens möglich ist. Schau dir den ganzen Vortrag hier an!

Facebook-LogoTwitter-LogoLinkedIn-LogoKopier-Link-Symbol

Lies mehr in dieser Kategorie

Lass uns gemeinsam die Zukunft
der KI gestalten!

Beginne deine Reise in die Zukunft des maschinellen Lernens