Uma análise dos pipelines de aprendizagem ativa da DagsHub
Resumo da palestra de Yono Mittlefehldt no YOLO VISION 2023 sobre pipelines de aprendizado ativo da DagsHub, da preparação de dados e do treinamento do YOLOv8 à anotação no Label Studio.
Nuvola Ladi2 min de leitura
Este resumo aborda outra palestra da YOLO VISION 2023 (YV23). Nesse evento promovido pela Ultralytics, realizado no campus Google for Startups, em Madri, Yono Mittlefehldt, ex-defensor do aprendizado de máquina na DagsHub, apresentou uma palestra sobre a criação de pipelines de aprendizado ativo.
Introdução e visão geral#
A palestra começou com uma introdução aos pipelines de aprendizado ativo e às diferenças entre o aprendizado ativo e os métodos tradicionais de aprendizado supervisionado.
Preparação dos dados#
A primeira etapa estabelece a base do pipeline de aprendizado ativo: importar dependências, configurar a fonte de dados e enriquecer os metadados com anotações iniciais.
Treinamento do modelo#
Com os dados prontos, a próxima etapa é o treinamento do modelo. Usando um conjunto de dados Ultralytics YOLOv8 e seu arquivo YAML, Yono adicionou callbacks para registrar parâmetros e métricas durante o treinamento, facilitando o acompanhamento e a comparação de cada execução.
Ciclo de aprendizado ativo#
A próxima etapa é o ciclo de aprendizado ativo, um processo iterativo que envolve carregar modelos pré-treinados, atribuir pontuações a dados não rotulados e selecionar as amostras mais informativas para anotação. A cada ciclo, a fonte de dados é enriquecida com novas previsões, fazendo com que o modelo melhore a cada iteração.
Aprendizado ativo para segmentação de imagens#
Em seguida, Yono aplicou o aprendizado ativo à segmentação de imagens. As previsões foram enviadas ao Label Studio para anotação, demonstrando como um modelo de segmentação pode melhorar ao longo de vários ciclos.
Usando o Label Studio#
O Label Studio é uma ferramenta central nesse pipeline. Os projetos armazenam os dados anotados, e os servidores do Label Studio se conectam à API de tarefas. Associar tarefas a nomes de projetos mantém o fluxo de trabalho organizado e facilita a colaboração.
Encerramento#
Ao encerrar a palestra, Yono respondeu às perguntas do público, abordando tópicos que iam da otimização de pipelines para tarefas específicas à reprodutibilidade e à documentação.
No geral, a palestra mostrou como o aprendizado ativo pode tornar a rotulagem de dados e o treinamento de modelos mais eficientes. Esperamos desenvolver essas ideias com o apoio e a participação da nossa comunidade.
Assista à palestra completa no YouTube.
Escrito por
Comentários
Faça uma pergunta, compartilhe seus resultados ou ajude alguém.










