Um olhar sobre os pipelines de aprendizagem ativa do DagsHub

Introdução e visão geral

Para dar início à nossa viagem, vamos preparar o terreno com uma introdução aos pipelines de aprendizagem ativa. Nesta palestra, analisámos as diferenças entre a aprendizagem ativa e os métodos tradicionais de aprendizagem supervisionada.

Preparação dos dados

A nossa primeira paragem envolve a criação das bases para o nosso pipeline de aprendizagem ativa. Importamos dependências, configuramos a fonte de dados e embarcamos numa missão para enriquecer os metadados com anotações iniciais. É tudo uma questão de preparar as bases para a nossa exploração baseada em IA.

Formação de modelos

Com os dados preparados e prontos, mergulhamos no emocionante reino do treinamento de modelos. Com o conjunto de dados Ultralytics YOLOv8 e o arquivo YAML, Yono adicionou retornos de chamada para registrar parâmetros e métricas durante o treinamento. Esta é uma etapa crucial para garantir que os modelos de IA estejam preparados para o sucesso.

Ciclo de aprendizagem ativa

O passo seguinte é o ciclo de aprendizagem ativa - um processo dinâmico que envolve o carregamento de modelos pré-treinados, a classificação de dados não rotulados e a seleção de amostras para anotação. Através do enriquecimento iterativo da fonte de dados com previsões, descobrimos informações ocultas e impulsionamos os modelos para novos patamares.

Aprendizagem ativa para a segmentação de imagens

A segmentação de imagens é o centro das atenções à medida que exploramos o poder transformador da aprendizagem ativa. Ao enviar as previsões para o Label Studio para anotação, compreendemos o potencial de melhoria do modelo através de vários ciclos. É uma viagem de descoberta, em que cada iteração nos aproxima da perfeição da IA.

Utilizar o Label Studio

Na nossa busca pela excelência da IA, o Label Studio surge como uma ferramenta importante no nosso arsenal. Criamos projectos para armazenar dados anotados, tirando partido dos servidores do Label Studio para estabelecer uma ligação perfeita com a API de tarefas. Com tarefas mapeadas para nomes de projectos, simplificamos o nosso fluxo de trabalho e abrimos caminho para uma colaboração mais fluida.

Concluir

No final da palestra, Yono respondeu às perguntas mais urgentes do nosso público. Desde a otimização de pipelines para tarefas específicas até à ênfase na reprodutibilidade e na documentação, ele garantiu que todos os aspectos desta viagem se baseiam nas melhores práticas e nas normas da indústria.

De um modo geral, esta viagem através da aprendizagem ativa na YV23 tem sido muito estimulante. Munidos de novos conhecimentos e percepções, estamos prontos para embarcar em novas aventuras de IA, alimentados pelo poder da aprendizagem ativa, bem como pelo apoio e envolvimento da nossa comunidade.

Junte-se a nós enquanto continuamos a ultrapassar os limites da inovação da IA e a redefinir o que é possível no mundo da aprendizagem automática. Veja a palestra completa aqui!