Auto-étiquetage automatique: la fin de l’annotation pour la vision par ordinateur avec Jason Corso

Aujourd’hui, nous sommes rejoints par Jason Corso, co-fondateur de Voxel51 et professeur à l’Université du Michigan, pour explorer l’étiquetage automatisé en vision par ordinateur. Jason présente FiftyOne, une plate-forme open source pour visualiser les ensembles de données, analyser les modèles et améliorer la qualité des données. Nous nous concentrons sur le récent rapport de recherche de Voxel51, «les rivaliers de l’étiquetage automatique de l’auto-shot zéro», qui montre comment le marquage automatique de zéro avec des modèles de fondation peut céder à des coûts importants et des économies de temps par rapport à l’annotation humaine traditionnelle. Jason explique comment les étiquettes automatiques, bien qu’elles soient « plus bruyantes » à des seuils de confiance plus faibles, peuvent conduire à de meilleures performances en aval du modèle. Nous couvrons également l’approche « vérifiée automatique » de Voxel51, qui utilise un flux de travail QA « au feu d’arrêt » (vert, jaune, lumière rouge) pour minimiser l’examen humain. Enfin, nous discutons des défis de la gestion de l’incertitude des limites de décision et des classes hors du domaine, des différences entre la génération de données synthétiques dans les domaines de la vision et du langage, et le potentiel de l’étiquetage agentique.