Formación en modelos de IA para tareas de visión artificial en infraestructuras de TEF

Este servicio permite la mejora de los algoritmos de visión por computadora existentes y proporciona la potencia computacional para entrenar nuevas versiones de modelos a escala. Antes de usar este servicio, los clientes pueden haber desarrollado algoritmos de visión por computadora, pero carecen de la capacidad computacional para entrenarlos de manera efectiva en grandes conjuntos de datos. Después de utilizar este servicio, pueden superar estas limitaciones.

La infraestructura de software y hardware requerida ya está disponible. En primera instancia, los requisitos del cliente se capturan en una entrevista entre el proveedor de servicios y el cliente. Aquí, los resultados de la versión anterior del algoritmo necesario podrían ser revisados, así como el conjunto de datos proporcionado. Con toda esta información, se podría dar una estimación del tiempo de ejecución. Dependerá de la arquitectura seleccionada, el tamaño del conjunto de datos y las iteraciones necesarias. Puede ir de aproximadamente un mes a varias semanas.El servicio se ejecuta de forma remota en infraestructura digital ubicada en Vigo (España).Como resultado del servicio, el cliente recibirá documentación sobre el proceso de entrenamiento, el propio modelo de IA (en .pth o. Formato .onnx), y un manual de usuario para saber cómo usarlo.El cliente debe proporcionar los datos para entrenar el modelo AI y, opcionalmente, un prototipo de modelo que el cliente ya haya entrenado. Si el cliente carece de los datos necesarios, es posible que se proporcionen a través de un servicio de suministro de conjuntos de datos Agrifood TEF (consulte Servicios relacionados).

Por ejemplo, una empresa puede tener un algoritmo de visión por computadora para la segmentación de cultivos y desea agregar nuevas clases para ser identificadas, o tal vez ha adquirido un conjunto de datos más grande para mejorar el rendimiento del sistema. Para ello, se entrenaría un nuevo modelo de IA utilizando la infraestructura TEF. El cliente debe proporcionar un conjunto de datos anotados para entrenar el modelo. En caso de que tengan una versión anterior del modelo, también se podría requerir la configuración del modelo.