Дуальна архітектура програмного забезпечення для автоматизації розмітки даних для задач комп’ютерного зору
DOI:
https://doi.org/10.20535/1560-8956.45.2024.313096Ключові слова:
розмітка даних, автоматизація розмітки, алгоритми комп’ютерного зору, алгоритми нульового навчання, алгоритми активного навчанняАнотація
Метою даної роботи було розробити ефективну дуальну архітектуру для автоматизації процесу розмітки відеоданих. Об'єктом дослідження були різні підходи до автоматизації розмітки, зокрема методи, що базуються на нульовому навчанні та активному навчанні. У дослідженні були розглянуті існуючі методи розмітки, їхні переваги та недоліки, а також аналіз їхньої ефективності в різних умовах. Вперше запропоновано дуальну архітектуру програмного забезпечення для розмітки зображень та відеоданих, яка являє собою поєднання двох підходів до розмітки даних – використання попередньо навчених алгоритмів нульового навчання (zero-shot learning) та навчання алгоритмів машинного навчання в процесі розмітки даних, що дає змогу використати переваги обох підходів та нівелювати недоліки. На відміну від існуючих підходів запропонована дуальна архітектура дозволяє отримати пришвидшення процесу на 125% відносно підходів без автоматизації процесу розмітки даних та на 25% відносно інших підходів до автоматизації без втрати точності, а також забезпечує гнучкий підхід до різноманітних завдань розмітки.
Бібл. 7, іл. 7.
Посилання
Caruana R., Niculescu-Mizil A. (2006). An Empirical Comparison of Supervised Learning Algorithms. Proceedings of the 23rd international conference on Machine learning (ICML '06), pp. 161-168.
Hossain, M. S., Muhammad, G., Hasan, M. M. (2020). The Challenges of Data Annotation for Machine Learning: A Review. CoRR, vol. abs/2004.03705, https://arxiv.org/abs/2004.03705 (2020), last accessed 2024/07/13.
Gartner. "Gartner Forecasts Worldwide Artificial Intelligence Software Market to Reach $62 Billion in 2022", 2021. Available at: https://www.gartner.com/en/newsroom/press-releases/2021-11-22-gartner-forecasts-worldwide-artificial-intelligencesoftware-market-to-reach-62-billion-in-2022, last accessed 2024/07/13.
Зарічковий, О. А. Алгоритмічне забезпечення для розмітки надвеликих об’ємів даних для задачі детекції об’єктів методами комп’ютерного зору : магістерська дис. : 121 Інженерія програмного забезпечення / Зарічковий Олександр Анатолійович. - Київ, 2021. - 119 с. Available at: https://ela.kpi.ua/items/d34f60b3-9832-40dd-a12f-035e4b71dd6, last accessed 2024/07/13.
Kirillov A., Mintun E., Ravi N., Mao H., et al. (2023). Segment Anything. 3992-4003. 10.1109/ICCV51070.2023.00371.
Medium. "Segment Anything" - An Overview. 2023. Available at: https://medium.com/@ghadi.alhajj/segment-anything-model-an-overview-118905735135, last accessed 2024/07/13.
arXiv. “Y. Wang, K. Li, Y. Li, et al. InternVideo: General Video Foundation Models via Generative and Discriminative Learning”. Available at: https://arxiv.org/abs/2212.03191, last accessed 2024/07/13.
##submission.downloads##
Опубліковано
Версії
- 2024-10-31 (2)
- 2024-10-15 (1)
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
