DagsHub 主动学习管道概览

导言和概述

为了开启我们的旅程，让我们先来了解一下主动学习管道。在本讲座中，我们探讨了主动学习与传统监督学习方法的区别。

数据准备

我们的第一站是为主动学习管道奠定基础。我们导入依赖关系，设置数据源，并开始使用初始注释来丰富元数据。所有这些都是为人工智能驱动的探索奠定基础。

模型培训

数据准备就绪后，我们进入了令人兴奋的模型训练阶段。有了 Ultralytics YOLOv8数据集和 YAML 文件，Yono 添加了回调，以便在训练过程中记录参数和指标。这是确保人工智能模型取得成功的关键一步。

主动学习周期

下一步是主动学习循环--这是一个动态过程，包括加载预训练模型、对未标注数据进行评分，以及选择样本进行标注。通过迭代丰富预测数据源，我们可以发现隐藏的洞察力，并将模型推向新的高度。

图像分割的主动学习

在我们探索主动学习的变革力量时，图像分割占据了中心位置。通过将预测结果发送到 Label Studio进行标注，我们了解到通过多次循环改进模型的潜力。这是一次探索之旅，每一次迭代都让我们更接近完美的人工智能。

使用标签工作室

在我们追求卓越人工智能的过程中，Label Studio 成为了我们的重要工具。我们创建项目来存储注释数据，利用 Label Studio 服务器与任务 API 无缝连接。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了道路。

总结

讲座结束时，Yono 解答了听众提出的亟待解决的问题。从优化特定任务的流水线到强调可重复性和文档，他确保了这一旅程的方方面面都以最佳实践和行业标准为基础。

总的来说，YV23 的主动学习之旅令人振奋。有了新发现的知识和见解，我们已经准备好在主动学习的力量以及社区的支持和参与下，开始新的人工智能冒险。

与我们一起继续推动人工智能创新，重新定义机器学习世界的可能性。点击此处观看完整讲座！