Productos y serviciosEtiquetado de datos asistido por IA
Deje que el modelo haga las etiquetas fáciles. Las personas solo revisan las difíciles.
Cómo funciona
La IA hace la primera pasada
Un modelo parte de sus imágenes o videos con muy pocos ejemplos.
Las personas revisan los casos difíciles
Los resultados con alta confianza pasan. Los dudosos van a una persona.
Cada versión queda registrada
Siempre sabe qué conjunto de datos entrenó a qué modelo.
Solo ilustración. Los nombres y las cifras son inventados.
Leer la descripción completa
A custom vision model is an AI trained to recognize things in pictures. It is only as good as its labelled data. Labelled data means pictures where someone has marked what is in them. Labelling by hand is the slow, costly part. Teams spend weeks drawing boxes and outlines. And the quality still varies from person to person.
We set up an AI-assisted labelling process. A model makes the first pass on your images or video. It uses zero-shot or few-shot methods, so it can start with very few examples. Confident results go straight through. Unclear ones are sent to a person for review. Every reviewed label is checked and versioned, which means each version is saved and recorded. So you always know which dataset trained which model.
You get a clean dataset with version records. If needed, you also get a trained model. It comes with its training settings and instructions to repeat the training. For projects inside China, the data and training stay in China.
Qué incluye
La IA hace la primera pasada
Los métodos zero-shot y few-shot etiquetan imágenes y video antes de que una persona los toque.
Las personas solo revisan los casos poco claros
Las etiquetas con alta confianza pasan. Las dudosas se marcan para que las revise una persona.
Cuadros, contornos y segmentos
Admite cuadros delimitadores, es decir, cajas dibujadas alrededor de cada objeto. También admite segmentación detallada para piezas y escenas complejas. La segmentación consiste en marcar qué parte de la imagen es cada cosa.
Controles de calidad integrados
Las etiquetas pasan por una revisión y un control de calidad antes de entrar al conjunto de entrenamiento. El conjunto de entrenamiento son los datos de los que aprende el modelo.
Conjuntos de datos con versiones
Cada versión del conjunto de datos queda registrada. Así, cualquier modelo se puede rastrear hasta los datos de los que aprendió.
De los datos al modelo
Recolección, limpieza, etiquetado, entrenamiento, evaluación (pruebas) y despliegue (puesta en uso), todo en una sola cadena.
Principales fortalezas
Usted mismo puede volver a entrenarlo
Entregamos los pesos del modelo, que contienen lo que el modelo ha aprendido, además de la configuración de entrenamiento y las instrucciones paso a paso. Con ello puede repetir el entrenamiento en otra máquina.
Los datos permanecen donde deben estar
Para los proyectos en China, el entrenamiento se realiza en computadoras ubicadas en China. Los datos no salen del país.
Resultados medibles
Usamos un conjunto de prueba offline y monitoreo en vivo. Un conjunto de prueba es un grupo fijo de ejemplos reservado para evaluar. Así, «mejor» se demuestra con números.
Usted es dueño del resultado
Los resultados del proyecto y la PI (propiedad intelectual, es decir, la titularidad de lo creado) se transfieren al cliente conforme al contrato.
En imágenes
Qué necesitamos de usted
Ejemplos representativos, etiquetas cuando existan, permisos de uso de datos y el costo de un resultado erróneo.
Entregables
- A reviewed dataset and labelling guide
- A baseline comparison and independent evaluation report
- A model or adaptation only when evaluation supports it
Cómo se acepta
Acordar la división de evaluación y las categorías de error antes del entrenamiento; comparar con una línea base más simple sobre ejemplos no vistos.
Comience con un pequeño proyecto piloto.
Díganos la tarea. Le diremos si vale la pena hacerla.