Raziskovalna skupina Univerze v Torontu na področju umetne inteligence razvija orodja, ki znatno pospešijo standardne anotacije v pomoč računalniškemu vidu. To storijo z uporabo algoritmov umetne inteligence s človeško interakcijo.
Strokovnjaki podjetja Abelium pri razvoju programske opreme na področju računalniškega vida in umetne inteligence že vrsto let sodelujemo z Univerzo v Torontu in vodilno strokovnjakinjo na področju računalniškega vida, prof. Sanjo Fidler.
Izziv
Sodobne metode strojnega učenja so močno odvisne od obsežnih zbirk anotiranih podatkov, ki so se do danes še vedno pripravljale s popolnoma "ročnim" človeškim delom. Takšno delo je zamudno in označevanje želenih detajlov na sliki pa precej grobo. Želeli smo izboljšati ta postopek.
-
Uporabniška izkušnja Umetna inteligenca
Uporaba algoritmov strojnega učenja z vključevanjem človeške interakcije.
-
Preobrazba procesov Vpliv na več področij
Visok potencial uporabe na različnih poročjih (računalniški vid, medicina, šport, moda ...).
-
Success Matematično modeliranje
Razvoj matematičnih algoritmov na tehnološkem preboju umetne inteligence.
-
Agilni pristop Mednarodno RRI sodelovanje
Pri projektu aktivno sodelujemo s svetovnimi strokovnjaki na področju AI.
Rešitev: Razvoj orodja za anotacijo posnetkov, ki pomaga algoritmom računalniškega vida
Razvili smo algoritme, ki temeljijo na metodah povratnih in konvolucijskih nevronskih mrež. Uporabljajo strojno učenje z vključevanjem človeške interakcije.
Svojim končnim uporabnikom (človeškim urejevalcem slik in video posnetkov) omogočajo pospešeno anotacijo predmetov, hkrati pa povratne informacije uporabnikov uporabljajo za nenehno učenje in izboljšave samodejnih anotacij.
Ti najsodobnejši algoritmi so v celoti integrirani v platformo "Toronto Annotation Suite (TAS)", spletno aplikacijo, ki omogoča večje, učinkovitejše in natančnejše projekte podatkovne anotacije.
Rezultat
Sodobne metode strojnega učenja so močno odvisne od obsežnih zbirk anotiranih podatkov, ki so se do danes še vedno pripravljale s popolnoma "ročnim" človeškim delom.
-
Prostoročna anotacija
S pomočjo prostoročnega orodja uporabnik na grobo označi željen detajl na sliki.
Preprosta človeška anotacija -
Samodejna izboljšava
Orodje s pomočjo algoritmov RNN in CNN hitro in znatno izboljša anotacijo.
Izboljšava natančnosti z umetno inteligenco
Ta produkt bistveno presega druge referenčne rešitve na trgu, upoštevajoč oba kriterija; pri avtomatiziranih testih opažamo 10% absolutno in 16% relativno izboljšanje povprečne vrednosti IoU (ang. "Intersection over Union", razmerje med presekom dejanskega območja in napovedanega območja ter unijo obeh), kot tudi pri interaktivnih testih, kjer naš produkt zahteva 50% manj klikov s strani končnih uporabnikov.
-
Anotacija z okvirjem
S pomočjo pravokotne izbire uporabnik na grobo označi željen detajl na sliki.
Anotacija z okvirjem -
Zmanjševanje anotacije
Orodje omogoča odstranjevanje odvečnega dela izbire s pomočjo (drugih) AI algoritmov.
Odstranitev odvečne anotacije
V simuliranih pogojih prav tako opazimo več kot 10-kratno zmanjšanje števila človeških klikov, potrebnih za anotacijo, hkrati pa metoda dosega višjo stopnjo natančnosti.
Partnerji
- University of Toronto, (koordinatorica projekta: dr. Sanja Fidler, associate professor at University of Toronto, director of AI at NVIDIA),
- Donna Shukaris, (VPRI, innovations & entrepreneurship manager),
- Abelium d.o.o., (vodja razvoja, dr. Marko Boben)
Objave in koristne povezave
- Toronto Annotation Suite (TORAS) je na voljo za uporabo!
- TORAS - predstavitev
- TORAS - kratka navodila za uporabo
Podobni projekti
- ACE.Trade - Ustvarili smo idealno mobilno aplikacijo za vse, ki želijo storiti prve korake v kriptosvetu. Naša kripto denarnica je varna, skladna z EU predpisi in uporablja novincu prijazno terminologijo.
- PLASMA - Razvoj platforme za upravljanje premoženja nad bločnimi verigami
- DIGITRUST - Razvoj inovativnih digitalnih gradnikov in kompetenc na področju decentraliziranih poslovnih modelov