Uno sguardo alle pipeline di active learning di DagsHub
Scopri le pipeline di Active Learning di DagsHub a YOLO VISION 2023 con Yono Mittlefehldt. Dall'apprendimento attivo alla segmentazione delle immagini, esplora il potere trasformativo dell'AI.
Immergiti nel mondo delle metodologie di Intelligenza Artificiale (AI) all'avanguardia con un altro dei nostri relatori di YOLO VISION 2023 (YV23)! In questo evento organizzato da Ultralytics, ospitato presso il campus Google for Startup di Madrid, Yono Mittlefehldt, ex Machine Learning Advocate di DagsHub, è salito sul palco per svelare le meraviglie delle pipeline di apprendimento attivo.
Introduzione e panoramica#
Per iniziare il nostro percorso, definiamo il contesto con un'introduzione alle pipeline di apprendimento attivo. In questo intervento abbiamo esaminato le differenze tra l'apprendimento attivo e i metodi tradizionali di apprendimento supervisionato.
Preparazione dei dati#
La nostra prima tappa consiste nel gettare le basi per la pipeline di apprendimento attivo. Importiamo le dipendenze, configuriamo la fonte dei dati e ci impegniamo ad arricchire i metadati con le annotazioni iniziali. Si tratta di preparare le fondamenta per la nostra esplorazione basata sull'AI.
Addestramento del modello#
Con i dati preparati e pronti, ci addentriamo nell'entusiasmante mondo dell'addestramento dei modelli. Utilizzando il dataset e il file YAML di Ultralytics YOLOv8, Yono ha aggiunto callback per registrare parametri e metriche durante l'addestramento. Questo è un passaggio fondamentale per garantire che i modelli di AI siano pronti a raggiungere il successo.
Ciclo di apprendimento attivo#
Il passaggio successivo è il ciclo di apprendimento attivo, un processo dinamico che prevede il caricamento di modelli preaddestrati, la valutazione dei dati non etichettati e la selezione dei campioni da annotare. Arricchendo iterativamente la fonte dei dati con le predizioni, portiamo alla luce informazioni nascoste e spingiamo i modelli verso nuovi traguardi.
Apprendimento attivo per la segmentazione delle immagini#
La segmentazione delle immagini è al centro della scena mentre esploriamo il potere trasformativo dell'apprendimento attivo. Inviando le predizioni a Label Studio per l'annotazione, comprendiamo il potenziale di miglioramento del modello attraverso cicli multipli. È un percorso di scoperta, in cui ogni iterazione ci avvicina alla perfezione dell'AI.
Utilizzo di Label Studio#
Nel nostro percorso verso l'eccellenza nell'AI, Label Studio si afferma come uno strumento importante nel nostro arsenale. Creiamo progetti per archiviare i dati annotati, sfruttando i server di Label Studio per connetterci senza problemi all'API delle attività. Associando le attività ai nomi dei progetti, ottimizziamo il nostro flusso di lavoro e gettiamo le basi per una collaborazione più fluida.
Conclusioni#
Al termine dell'intervento, Yono ha risposto alle domande più urgenti del nostro pubblico. Dall'ottimizzazione delle pipeline per attività specifiche all'importanza della riproducibilità e della documentazione, ha fatto in modo che ogni aspetto di questo percorso fosse fondato sulle migliori pratiche e sugli standard del settore.
Nel complesso, questo percorso attraverso l'apprendimento attivo a YV23 è stato semplicemente entusiasmante. Forti delle nuove conoscenze e degli approfondimenti acquisiti, siamo pronti a intraprendere nuove avventure nell'AI, sostenuti dalla potenza dell'apprendimento attivo e dal supporto e coinvolgimento della nostra community.
Unisciti a noi mentre continuiamo a superare i confini dell'innovazione nell'AI e a ridefinire ciò che è possibile nel mondo del machine learning. Guarda il talk completo Guarda il talk completo!
