深入了解 DagsHub 主动学习流水线

与我们另一位来自 YOLO 视觉 2023（YV23）的演讲嘉宾一起，踏入前沿人工智能（AI）方法的领域！在这场由 Ultralytics 支持、于马德里 Google for Startup 校区举办的活动中，曾任 DagsHub 机器学习倡导者的 Yono Mittlefehldt 登台，揭开了主动学习流水线的奥秘。

介绍与概述#

首先，让我们通过介绍主动学习流水线来拉开这段探索之旅的序幕。在这场演讲中，我们探讨了主动学习与传统监督学习方法之间的差异。

数据准备#

我们首先为主动学习流水线打好基础：导入依赖项、设置数据源，并着手通过初始标注丰富元数据。这一切都是为了给由人工智能（AI）驱动的探索做好基础准备。

模型训练#

数据准备就绪后，我们深入模型训练这一令人兴奋的领域。借助 Ultralytics YOLOv8 数据集和 YAML 文件，Yono 添加了回调函数，用于在训练期间记录参数和指标。这是确保 AI 模型为取得成功做好准备的关键步骤。

主动学习周期#

下一步是主动学习周期——这是一个动态过程，包括加载预训练模型、为未标注数据评分以及选择样本进行标注。通过使用预测结果迭代丰富数据源，我们发现隐藏的信息，并推动模型达到新的高度。

用于图像分割的主动学习#

在探索主动学习的变革性力量时，图像分割 成为焦点。通过将预测结果发送到 Label Studio 进行标注，我们了解了通过多个周期改进模型的潜力。这是一段探索之旅，每次迭代都让我们更接近 AI 的完美表现。

使用 Label Studio#

在追求卓越 AI 的过程中，Label Studio 成为我们工具箱中的重要工具。我们创建项目来存储已标注的数据，并利用 Label Studio 服务器无缝连接任务 API。通过将任务映射到项目名称，我们简化了工作流程，为更顺畅的协作铺平道路。

总结#

演讲接近尾声时，Yono 回答了观众提出的热门问题。从针对特定任务优化流水线，到强调可复现性和文档记录，他确保这段探索之旅的每个方面都建立在最佳实践和行业标准之上。

总体而言，这段在 YV23 中探索主动学习的旅程令人振奋不已。带着新获得的知识和洞见，我们已准备好开启新的 AI 冒险，在主动学习的力量以及 社区 的支持和参与下不断前进。

加入我们，一起继续突破 AI 创新的边界，重新定义机器学习领域的可能性。观看完整演讲 观看完整演讲！