DagsHub 능동적 학습 파이프라인 살펴보기

YOLO VISION 2023 (YV23)의 또 다른 연사와 함께 최첨단 인공지능(AI) 방법론의 영역에 발을 들여놓으세요! 이 Ultralytics-의 전 머신러닝 어드보커트인 요노 미틀펠트가 마드리드에 위치한 구글 포 스타트업 캠퍼스에서 주최한 이번 행사에서 DagsHub가 무대에 올라 능동형 학습 파이프라인의 경이로움을 풀어냈습니다. 

소개 및 개요

여정을 시작하기 위해 먼저 능동형 학습 파이프라인에 대한 소개로 무대를 꾸며보겠습니다. 이 강연에서는 능동형 학습과 기존의 지도 학습 방법의 차이점을 살펴보았습니다.

데이터 준비

첫 번째 단계는 능동형 학습 파이프라인을 위한 토대를 마련하는 것입니다. 종속성을 가져오고, 데이터 소스를 설정하고, 초기 주석을 통해 메타데이터를 보강하는 작업에 착수합니다. 이 모든 것이 AI 기반 탐색을 위한 토대를 마련하는 것입니다.

모델 교육

데이터가 준비되면 이제 모델 학습이라는 흥미로운 영역으로 뛰어듭니다. 데이터 세트와 Ultralytics YOLOv8 데이터 세트와 YAML 파일을 사용하여 Yono는 훈련 중에 매개변수와 메트릭을 기록하는 콜백을 추가했습니다. 이는 AI 모델이 성공할 수 있도록 준비하는 중요한 단계입니다.

능동적 학습 주기

다음 단계는 사전 학습된 모델을 로드하고, 라벨이 없는 데이터에 점수를 매기고, 주석을 달 샘플을 선택하는 동적 프로세스인 능동적 학습 주기입니다. 예측을 통해 데이터 원본을 반복적으로 보강함으로써 숨겨진 인사이트를 발견하고 모델을 새로운 차원으로 끌어올립니다.

이미지 세분화를 위한 능동적 학습

이미지 세분화는 능동적 학습의 혁신적 힘을 탐구하는 데 있어 중심적인 역할을 합니다. 라벨 스튜디오에 주석을 달기 위해 예측을 보내면 여러 주기를 통해 모델 개선 가능성을 파악할 수 있습니다. 이는 반복할 때마다 AI의 완벽함에 가까워지는 발견의 여정입니다.

라벨 스튜디오 사용

AI의 우수성을 추구하는 과정에서 Label Studio는 중요한 도구로 부상했습니다. 우리는 라벨 스튜디오 서버를 활용하여 작업 API와 원활하게 연결하여 주석이 달린 데이터를 저장하는 프로젝트를 만듭니다. 프로젝트 이름에 매핑된 작업을 통해 워크플로우를 간소화하고 보다 원활한 협업을 위한 기반을 마련합니다.

마무리

강연이 마무리되면서 Yono는 청중들의 열띤 질문에 답했습니다. 특정 작업에 대한 파이프라인 최적화부터 재현성 및 문서화 강조에 이르기까지, 그는 이 여정의 모든 측면이 모범 사례와 업계 표준에 기반을 두고 있다는 점을 분명히 했습니다.

전반적으로 YV23의 능동적 학습을 통한 여정은 흥미진진하기 그지없었습니다. 새롭게 발견한 지식과 인사이트로 무장한 우리는 능동적 학습의 힘과 커뮤니티의 지원과 참여에 힘입어 새로운 AI 모험을 시작할 준비가 되었습니다.

AI 혁신의 경계를 계속 넓히고 머신러닝의 가능성을 재정의하는 유니티와 함께하세요. 여기에서 전체 강연을 시청하세요!